相较于传统电网,智能电网中待传输的数据和信息呈爆发式增长,传统的电力通信系统已不能满足智能电网对数据和信息传输的要求。为解决这一问题,学者们考虑将认知无线电技术应用于智能电网通信系统,以确保智能电网中随机产生的各种数据和信息能获得及时和准确的传输。目前应用于智能电网通信系统的频谱感知方法均为窄带检测,已有的窄带频谱感知技术根本不能满足智能电网对信息传输系统的实时性要求,因此,同一时刻对多个频带同时进行频谱空洞检测的技术即多带频谱检测技术受到了广泛的关注。论文就如何设计适用于智能电网通信系统的盲多带频谱感知算法开展了一系列的研究工作,其章节内容安排如下:在智能电网通信系统中进行频谱感知,准确性是一项重要的性能指标。由于可以将成熟的窄带频谱感知算法应用于采取串行处理方式的多带频谱感知技术中,以实现快速而准确地对多个子带的频谱利用情况进行检测的目的,因此着重针对传统的基于协方差矩阵特征值的频谱感知算法进行了改进。首先,对已有的基于协方差矩阵最大特征值的半盲频谱感知算法进行改进,以获得更精确的判决门限和更可靠的检测结果。其次,传统的基于最大特征值或最小特征值的半盲频谱感知算法不适应于色噪声感知场景,不仅需要增加对色噪声进行预白化的环节,而且检测结果也不可靠,因此提出了一种新的适应于色噪声场景的半盲频谱感知算法。最后,综合分析现有的基于最大和最小特征值之比的盲频谱感知算法的优缺点,利用大维随机矩阵理论的最新研究结论对其进行改进。改进算法分别通过最大特征值和最小特征值的近似分布来求取判决门限,然后取两个门限的平均值作为最终的判决门限,从而获得了更可靠的频谱感知结果。快速感知空闲频谱是智能电网通信系统对频谱感知的又一项重要要求。基于串行处理的多带频谱感知算法虽然具有稳定和可靠的检测效果,但检测效率低的缺点使其不适应对实时性要求较高的感知场景,因此提出了利用主成分分析来设计并行盲多带频谱感知算法。主要思想为:通过建立连续假设检验模型H_k和基于广义似然比的判决量,实现在同一时刻对多个子带同时进行检测的目标。由于频谱感知必须在很短的时间内完成以满足检测系统的实时性要求,所以对所提算法进行了改进。改进算法简化了感知判决量,使得判决门限的求解更简单。理论分析和仿真实验结果表明,改进算法在降低计算复杂度的同时仍保持了不亚于原算法的检测性能,甚至在低信噪比和小样本感知场景,其检测概率大于原算法的检测概率。相较于白噪声,用色噪声来表征智能电网通信系统的噪声环境更符合实际情况。针对基于信息论准则或主成分分析的并行盲多带频谱感知算法不适用于色噪声感知场景的问题,从理论上详细分析了两种算法不适应色噪声感知场景的原因,提出了将矩阵扰动理论和空间测距思想与频谱感知这一实际应用相结合的解决思路,进而设计了一种基于秩准则的并行盲多带频谱感知算法。在白噪声感知场景中,当信噪比较低时,基于信息论准则的频谱感知算法的检测概率高于所提算法的检测概率;但是在色噪声感知场景,所提算法表现出了鲁棒的检测性能,且随着样本数和信噪比的增大,其检测性能越好。从理论上证明了取样协方差矩阵的特征值的最优估计值为子带信号的功率,并以此对基于秩准则的频谱感知算法进行了改进。改进算法不需要计算取样协方差矩阵的特征值,而是直接利用子带信号的功率来构建判决量,这大大降低了算法的计算复杂度。在白噪声和色噪声2种感知场景中,当取样样本数较小和信噪比较低的情况下,与其它3种算法相比改进算法具有最佳的检测性能。考虑到智能电网通信系统中存在的低信噪比问题,提出了一种基于聚类分析的并行盲多带频谱感知算法。在主用户信号的发射功率完全一致的感知场景,引入K-均值聚类来设计并行盲多带频谱感知算法。其思路为:以子带中信号的功率为分类对象,利用K-均值聚类有效地将子带分成被占用子带集合和空闲子带集合。该算法不仅计算简单而且在噪声功率不确定、色噪声、低信噪比、以及小样本等复杂的感知场景中表现出了鲁棒性。然而,当主用户信号的发射功率不完全一致时,利用K-均值进行聚类的多带频谱感知算法受到了极大影响,显示出了检测性能急剧下降的现象。为此,进一步提出了一种新的并行盲多带频谱感知算法,其以模糊C-均值聚类替代K-均值聚类,利用模糊迭代来寻求目标函数的最小值。在主用户信号的发射功率不完全一致的感知场景,利用模糊C-均值聚类设计的并行盲多带频谱感知算法具有稳定且高效的检测性能。考虑到检测环境的复杂多变性,将信号经瑞利衰落信道进行传输,全面分析了基于聚类分析的并行盲多带频谱感知算法对实际感知环境的适应性。在信号遭遇瑞利衰落且信噪比较低的感知场景,相较于其他算法出现的检测性能大幅度下降的情况,该算法表现出了稳定的频谱感知性能。