认知无线电(Cognitive Radio,CR)被广泛认为是一种在未来无线通信系统中能显著提高无线频谱资源利用率的关键技术。在认知无线电中,未授权的次用户(Secondary User,SU)可以在不影响授权主用户(Primary User,PU)正常通信的前提下可通过机会接入的方式使用空闲授权频段,因而能够显著地提升频谱利用率。认知无线电通过频谱感知检测主用户的工作状态,因此频谱感知是实现认知无线电的基础。由于增加了额外的空域维度信息,关于多天线频谱感知技术的研究近年来是认知无线电领域的研究热点,引起了广大学者的兴趣。由此本文针对认知无线电网络中的多天线频谱感知技术进行了研究,主要贡献包括以下几个方面:首先,对信道不确定性环境下的多天线频谱感知进行了研究。本文考虑配有多个空间相关天线的认知无线电网络,其中主用户和次用户之间的信道在一个感知周期内可以是准静态的也可以是时变的感知场景。在这样的不确定性信道环境下,传统多天线频谱感知方法不能提供可靠的检测性能。针对这个问题,本文基于特征值矩比和加权协方差方法提出了一种两阶段的频谱感知方法,并推导了所提两阶段频谱感知方法的虚警概率和检测概率。仿真结果显示,与传统多天线频谱感知方法相比,所提出的两阶段频谱感知方法在信道不确定性环境下能够获得可靠的检测性能。然后,在空间相关的时变瑞利衰落信道下对多天线频谱感知进行了研究。(i)针对次用户配备数量较多的天线且各天线之间存在低相关的情况下,本文提出了一种基于Ljung-Box(LB)检验的鲁棒盲检测方法,该方法利用接收时间序列的样本自相关函数构建检验统计量,进而检测主用户信号是否存在。数值结果表明,在接收天线之间的相关性较低情况下所提出的LB检测方法能够在时变瑞利衰落信道下获得优于传统协方差检测方法的性能,并且仿真结果显示LB方法对噪声不确定性(Noise Uncertainty,NU)具有鲁棒性。(ii)在次用户配备数量较少的天线且各天线之间存在相关的情况下,加权协方差检测(Weighted Covariance-based Detection,WCD)方法可以在时变瑞利衰落信道下获得良好的性能。但该方法涉及复数运算,计算成本较大。众所周知,一个复数乘法包括两个实数加法和四个实数乘法。针对这个问题,本文将复值的多天线频谱感知问题转换为实值的多天线频谱感知问题,并提出了一种实值加权协方差检测(Real-valued WCD,RWCD)方法。特别地,在低信噪比条件下推导出检测概率的渐近表达式。数值结果表明,RWCD方法可以获得与WCD方法几乎相同的性能,但是复杂度要低得多。(iii)进一步,在RWCD方法基础上提出了一种广义的实值加权协方差检测(Generalized RWCD,GRWCD)方法。同时,推导出零假设(Null Hypothesis)下的GRWCD方法统计量分布,在此基础上,可根据预设的虚警概率计算理论的检测门限。此外,本文还推导了备择假设(Alternative Hypothesis)下的GRWCD方法统计量分布,这使得我们可以推导出理论上GRWCD方法的检测概率和接收机工作特性(Receiver Operating Characteristic,ROC)曲线。仿真结果验证了所推导结果的准确性,并且显示GRWCD方法能获得比RWCD方法更高的检测性能。接着,在均匀噪声(各天线的噪声方差相等情况)场景下,研究了关于非圆(Noncircular,NC)信号的多天线频谱感知问题。为了充分利用非圆信号的特性,通过利用非圆信号的协方差和互补协方差矩阵的元素来构造检验统计量,本文提出了一种新颖的非圆局部平均方差(NC Local Average Variance,NC-LAV)检测方法。同时,推导了NC-LAV方法检验统计量在零假设下的分布,在此基础上,给出了NC-LAV方法的检测门限。数值结果表明,与同样利用信号非圆特性的方法相比,所提出的NC-LAV方法能获得更好的检测性能,同时计算复杂度也较低。最后,在非均匀噪声(各天线的噪声方差不相等情况)场景下,研究了关于非圆信号的多天线频谱感知问题。虽然上述提出的NC-LAV方法能充分利用非圆信号的非圆特性来提升检测性能,但该方法严重依赖于各天线的噪声方差均相等的场景,其检测性能容易受不相等的天线噪声方差影响。在实际中,由于天线未校准等原因,各天线的噪声方差可能是不相等的。为此,本文提出了一种新的非圆协方差(NC Covariance,NCC)检测方法,该方法利用非圆信号的协方差和互补协方差在零假设和备择假设下的差异性实现对主用户信号的检测。同时也推导出了NCC方法的理论检测门限。仿真结果表明在各天线的噪声方差不相等情况下NCC方法能获得比传统方法更高的检测性能。