随着无线通信行业迅猛发展,无线频谱资源愈加稀缺,而传统策略为采用固定频谱分配方式,这就使得频谱利用率变得更低,无法满足当前急剧增长的用户的需求。于是为了满足这强烈的频谱需求,国外研究学者提出了认知无线电这一概念。认知无线电是一种能够动态地检测空闲频谱的智能频谱共享技术,能有效的解决无线通信中频谱资源不足的问题,使得无线通信系统更加智能化。而频谱感知技术就是实现认知无线电的关键技术。本文主要研究认知无线电中的频谱感知技术。本文首先分析了频谱感知发展背景和现状,并详细分析了常用的几种频谱感知算法,同时还对这几种算法进行了理论推导。在此基础上,分别在单天线、多天线和仿真干扰环境下,提出了新的频谱检测算法,并进行性能分析。在单天线环境下,针对现有基于拟合优度频谱检测算法的不足,本文提出了基于顺序统计量的盲检测算法。所提盲检测算法利用t分布和顺序统计量结合,克服了现有顺序统计量方法需要噪声方差已知的缺点。分析结果表明这种基于顺序统计量的盲检测方法比基于Anderson-Darling的盲检测方法具有更好的性能。在多天线环境下,针对多输入多输出系统,本文提出了基于多元特征函数的频谱盲检测算法。该算法是一种以信号的整体特征为标准进行信号检测的基于非参数假设检验的频谱检测方法。通过计算次用户多天线系统接收到的信号样本向量的经验特征函数,该频谱检测就转换为多元特征函数检测问题,通过度量经验特征函数与已知特征函数的距离,实现检测。理论分析和仿真结果表明了多输入多输出系统中基于多元特征函数的频谱盲检测算法比现存的频谱检测方法,具有更好的性能。在仿真干扰环境下,本文提出了认知扩频通信中基于随机矩阵的频谱检测算法。该算法从信号的整体性出发,计算接收向量空间的样本协方差矩阵特征值来进行频谱检测。其基本原理是,通过接收信号样本协方差,进行特征值分解,干扰信号与扩频信号就进行了分离,使得统计量与干扰用户无关,提高了干扰环境下的频谱检测性能。理论分析和仿真结果表明,在仿真干扰存在的情况下,基于随机矩阵的频谱检测方法比传统的基于能量的协作检测方法具有更好的性能。