近些年来,通信行业得到了迅猛发展,新兴通信业务的开发带来了频谱资源不足的严重问题,频谱短缺已经成为制约行业发展的瓶颈,本文重点研究了认知无线电中协作频谱感知技术,分别从感知用户信噪比已知和未知的两种情况出发,探究了协作频谱感知的新方法,为解决频谱短缺的问题提供了理论依据。针对感知用户信噪比已知的情况,本文从理论上详细分析了指数加权数据融合和基于互信任矩阵的数据融合算法,并结合各自优势,提出了一种基于信任度修正的指数加权数据融合算法。当系统内感知用户过多时,整个系统需要占用较大的控制信道带宽来完成本地信息的传输任务,为了解决这一问题将簇模型引入到该系统中,建立了一种基于簇模型的信任度修正指数加权数据融合协作频谱感知系统。理论分析和仿真实验表明基于信任度修正的指数加权数据融合算法具有比传统算法更好的检测性能,而将簇模型引入到系统后,在提升整个系统检测性能的同时,节省了系统的控制信道带宽,保证了资源的有效利用。针对感知用户信噪比未知的情况,本文将D-S证据理论引入到协作频谱感知系统中,重点探究了基于D-S证据理论的数据融合算法,并将该算法应用到基于簇模型的协作频谱感知系统中。为了解决簇内感知用户过多时带来的较大运算压力,本文提出了一种基于簇的D-S证据理论数据融合协作频谱感知优化方案,该方案利用簇内感知用户之间的互信任信息,剔除簇内互信任度较低的感知用户,只允许信任度高的用户参与簇内协作。理论分析和仿真实验表明,该方案在保证系统检测性能的同时,减少了参与协作的用户数目,降低了系统能耗及运算压力。综上所述,本文从两个角度提出的协作频谱感知优化系统都在保证系统检测性能的前提下,降低了系统能耗和计算量,从而为今后的工程实践应用打下坚实的理论基础。