现今社会，随着无线接入设备数量的大幅增加，频谱资源越来越紧缺。但是与此同时很多授权频带的频谱利用率很低，大部分时间都未被授权用户使用，授权频带大量空闲和频谱资源日益紧张的矛盾越发突出。在这种情况下，认知无线电的概念应运而生。频谱感知过程，是认知无线电系统的重要组成部分，通过对周围电磁环境进行监测找出频谱空洞并将其分配给未授权用户，使其具有使用该频段的机会，进而大幅度的提升了频谱利用率。因此，认知无线电的概念受到了越来越广泛的关注。首先，本文阐述了信号检测的基本概念和性能指标，描述了几种常用信号检测算法的理论以及协同信号检测的概念，介绍了几种常用数据融合的算法，以及在不同数据融合算法下的整体信号检测性能。其次，重点介绍了基于特征值的信号检测算法，推导了其理论门限数值的基本公式，并通过MATLAB进行了性能仿真。再次，在原有算法的基础上，结合信息熵的思想，提出了一种利用协方差矩阵特征值波动性为检验标准的频谱感知算法。该算法以信息熵为统计量，量化了由未授权用户接收到信号协方差矩阵特征值的波动性。通过将信息熵的概率分布近似为高斯分布，并利用随机矩阵理论（RMT），推导出了指定虚警概率下门限的理论计算公式。在原始特征值算法的基础上，特征信息熵算法的性能可以平均提高20%左右。并且随着无线传感器的数量增加，性能提升越明显，适用于协同信号检测。通过仿真验证了对信息熵分布简化近似的合理性，并给出了在不同条件下本算法的实际感知性能以及本算法和其他常用频谱感知算法的性能比较。最后，本文从循环矩阵的角度分析了接收信号统计协方差矩阵特征值的物理含义，并在该物理意义上提出了一种基于功率谱密度函数的频谱感知算法。该算法和特征值频谱感知算法有相同的检测原理，但是其性能能够通过表达式准确控制，并且能够解决特征值频谱感知算法门限表达式复杂、对接收滤波器不适用等等问题。本文还给出了新提出算法门限和正确检测概率的表达式，并通过MATLAB仿真验证了整个理论推导，对比了该算法与传统特征值检测算法的性能。本文提出的两种算法均不存在噪声不确定性问题、不需要信号任何的先验信息，适用于频谱感知过程的实际情况。