本文主要研究了认知无线电中的频谱感知技术。认知无线电网络的关键问题是如何发现频谱空洞和识别授权用户。因此频谱感知作为解决这一问题的关键技术，其研究有着重要的意义。为了使认知无线电技术更加形象，本文首先做了一个简单的实验来说明认知无线电技术的应用。然后介绍了已有的单节点频谱感知算法，并对各种算法的优缺点做了说明和比较。论文首先利用两种方法对传统的协作频谱感知进行了改进。一种是基于D_S证据理论的方法，一种是基于SNR指数加权的方法。通过D_S证据理论的方法对加权系数进行融合，可以充分减小传统加权协作感知的复杂度，改善检测性能。利用SNR指数加权的方法可以减小低信噪比用户对检测结果的影响，充分发挥高信噪比用户的作用，从而提升系统的检测性能及抗干扰性。为了减小衰落信道对检测结果融合的影响，进一步改善检测性能，本文给出了一种基于C-V准则的自适应双门限分簇协作感知方法，在本方法中首先对C-V数据融合准则做了介绍，然后推算出自适应双门限的门限确定方法，给出了C-V数据融合准则在协作感知中的应用过程。该方案中使用的C-V数据融合准则是一种最优的数据融合准则，可以融合得到更准确的结果。自适应双门限方法可以根据环境智能改变判决门限，增强系统的适应性，同时还可以将双门限之间的不确定值去除掉，一方面减小了不确定值对融合结果的影响，另一方面减少了所要处理的数据。该方案中还引入了分簇的机制，选择簇中信道质量最好的认知用户作为簇头，同一簇中的数据先在簇头中做出融合，然后簇头将融合结果再传到融合中心，以此来减小传输中的错误和数据量，获得良好的分集增益。仿真结果表明，在－26dB情况下，采用自适应双门限方法比采用单门限方法，检测概率可提高10％。采用C-V融合准则比采用半数融合准则，检测概率可提高20％。