近年来，随着频谱竞争的不断升温，使得认知无线电（CR: Cognitive Radio）成为当前的研究热点。认知无线电网络中的无执照用户（即次用户或CR用户）通过动态频谱接入的方法可以与有执照用户（即主用户）共享同一频段，每一个CR用户通过对频段进行扫描来发现可利用的空闲频段。为了避免对主用户的干扰，进行准确的频谱感知成为认知无线电的关键技术。相比非协作的频谱感知算法，协作频谱感知可以使认知无线电网络对主用户进行更为可靠的检测，从而避免了对主用户的干扰，在协作感知中数据融合是其关键技术之一。　　 本文首先并研究了非协作的能量检测的频谱感知算法，对基于“与”融合准则、“或”融合准则、表决融合准则、最大后验概率融合准则和贝叶斯融合准则的数据融合算法进行了分析，并将这五种数据融合方法应用于认知无线电，进行协作频谱感知，同时还比较了它们的频谱检测性能。MATLAB仿真结果显示最大后验概率融合准则、贝叶斯融合准则和表决融合相比“与”融合准则和“或”融合准则在认知无线电的环境中感知性能更优。　　 然后本文从带宽受限的认知无线电网络的角度出发，提出了将表决融合准则和“与”融合准则分别与检查策略（Censoring Scheme）相结合的协作频谱感知的方法，以此来减少发往融合中心的平均感知比特数，从而有效地节约传输带宽。并对这些算法在理想信道和非理想信道中的协作频谱感知的性能，进行了详细的数学推导，给出了对应的多种情况的检测概率的闭合式。最后对三种检查的协作频谱感知的方法进行了MATLAB仿真与性能分析。仿真结果表明这三种算法都能以较少的感知性能的损失来获得较多的感知比特的节约，但是相比之下表决融合准则的性能最好，即能在较好的感知性能的前提下，以较少的感知性能的损失来获得大量的感知比特的节约。　　 最后本文提出了将检查的方法分别与本地最优量化和均匀量化相结合的协作频谱感知的算法，通过增加一部分的传输比特数，来得到更好的感知性能，该算法中融合中心采用最大后验概率融合准则。本文对四种协作频谱感知的算法进行了MATLAB仿真以及性能分析，仿真结果表明在认知无线电系统中本地最优量化算法要优于均匀量化算法，而与检查相结合的量化算法又要优于传统的量化算法，因此相比之下，在这四种算法中检查与本地最优量化相结合的算法的感知性能是最优的。