无线通信的高速发展给生产和生活带来了巨大的变化,然而频谱资源短缺以及利用率低等问题也逐渐显现出来。认知无线电作为一种智能系统能够使用户根据实际环境动态调整自己的参数,有效缓解频谱资源问题。针对频谱感知技术,取得以下研究成果:　　 (1)研究了基于协方差矩阵的感知原理,以及根据其最终判决量不同而衍生出的五种算法:协方差绝对值,最大最小特征值,能量最小特征值,Akaike信息准则和最小描述长度准则。通过仿真比较它们的检测性能。仿真结果表明:在接收天线阵列数为4,平滑因子为5,信道阶数为3的条件下,最大最小特征值和Akaike信息准则检测性能优于其它三种算法,并且这些算法都能有效抵抗噪声不确定性对系统检测性能的影响。　　 (2)基于Dempster-Shafer(D-S)证据理论的感知算法能有效地解决协作检测中认知用户本地检测结果的不确定性问题。然而该感知算法在极低或极高信噪比条件下,基本概率分配函数与D-S证据理论有冲突。针对该问题,提出了一种基于认知用户信噪比的改进算法。通过设立基准信噪比参数,调整各认知用户的基本概率分配函数。仿真结果表明改进的基于D-S证据理论算法较传统的D-S证据理论算法在检测性能上有了明显的提高。　　 (3)重点研究了频谱感知过程中存在的安全问题。针对协作检测中存在虚假用户的情况,提出了一种基于加权分组的虚假用户检测算法,该算法根据各分组的检测结果改变分组的可靠性因子,进而动态调整分组在数据融合时的权值。通过降低存在虚假用户分组的融合权值,降低虚假用户对系统的影响。仿真表明存在三种不同的虚假用户(总报1“Always Yes”,总报0“Always No”以及随机“Random”)时,加权分组算法都能保持良好的检测性能,是一种稳健的虚假用户检测算法。