频谱感知是认知无线电中的关键技术，其中多用户的协作感知相比单用户感知能更好的应对实际无线环境中的阴影效应及隐藏终端等问题，能有效提高频谱检测性能。本文对协作频谱感知技术进行了深入研究，针对集中式与分布式两种模型的协作感知提出改进算法，最后给出一种节能的协作感知方式选择策略，在集中式与分布式两种协作方式中做出选择。
　　在集中式协作感知中可以采用双门限能量检测，该算法的一般融合方案是融合中心等所有认知用户都发送完本地感知信息后，才进行融合与判决，这样当认知用户数目增多时，传输感知信息占用的带宽会增大。因此，本文提出的改进算法对融合中心的融合策略进行优化。考虑到融合中心能够做出最终判决时并非总是需要融合所有认知用户的本地感知信息，并且结合“认知用户以时分复用的方式依次传送感知信息给融合中心”的特点，本文所提算法中融合中心不必等所有认知用户都发送完本地感知信息后再融合，而是在依次接收各认知用户感知结果的同时，即对当前接收值进行融合并与相应的门限比较，依据比较结果决定是广播本次频谱感知的结果还是继续接收并融合下一认知用户的感知结果。最后仿真验证这种边融合边判决的方案能够以较少的数据开销获得较好的协作检测性能。
　　在现有基于梯度的分布式协作感知算法中，通常默认所有认知用户均参与协作，这样不可靠的认知用户参与协作会降低协作感知的整体性能。同时，现有算法中认知用户以同等身份进行自身状态值的迭代更新，未能体现出不同认知用户的差别，也会影响协作感知性能的提升。针对这些问题，本文的改进算法先筛选出检测性能较好的认知用户参与协作，然后利用信噪比与感知匹配度这两个参数定义认知用户的信任度，用信任度表征不同认知用户在检测性能与感知结果安全性上的差别，并以此对认知用户迭代更新的初始状态值进行加权，降低检测性能较差、感知结果不安全的认知用户对最终协作感知判决的影响，提高系统整体感知性能。最后仿真验证本文算法能提高分布式协作感知的频谱检测性能并有效应对恶意攻击。
　　最后针对集中式与分布式协作感知技术各有优缺点，如何为随机分布于一定检测区域内的认知用户选取协作感知方式的问题，从节约能耗的角度考虑，给出一种解决方案，均衡协作感知的频谱检测性能与能量消耗两方面因素，在双门限协作感知与基于梯度的分布式协作感知这两种分别属于集中式与分布式协作感知的典型协作感知方式中做出选择。