认知无线电是能自动感知周围频谱环境并检测到空闲频谱的新技术，能显著提高频谱的利用率，成为无线通信领域的研究热点之一。认知无线电网络首要任务是快速检测频谱空穴。本文主要围绕认知无线电网络中频谱检测展开了研究。针对认知无线电网络中认知用户接收的未知稀疏度信号，提出了一种基于回退盲稀疏度匹配追踪的协同频谱检测方法。该方法通过自动调节候选集原子的个数，并且在迭代过程中利用阶段转换估计稀疏度和回退机制获得全局最优支撑集；同时通过SNR估计选择最优的协作用户进行联合检测，降低低SNR用户对检测结果的影响，从而实现频谱的快速、准确检测。实验结果证明在相同条件下，该算法检测效果均优于现有的同类算法，且有选择对象的协作检测的检测概率比无选择对象的协作检测提高了约25%。对于频谱检测，认知用户主要的工作不是重构信号，而是估计主用户的存在与否。为此，本文采用快速稀疏贝叶斯学习进行频谱检测。该方法是给未知变量引入超参数使其赋予一定的先验条件分布，通过快速算法来更新超参数和选择基函数，基函数个数从1开始不断增加直到获得相关向量，观测矩阵中只包含当前模型中存在的基函数，省去了复杂的矩阵求逆过程，提高了计算速度，且未知信号的后验分布服从Student-t分布，比高斯分布更具有稀疏性。运用未知信号的后验分布中获得的均值和协方差以及信号的频谱位置这三个包含主用户信息的参数进行融合来完成频谱检测问题。实验仿真结果表明在不重构信号的情况下，该方法节省了资源，降低了计算复杂度。