随着通信技术的革新以及社会需求的不断增大，无线通信在发挥着重要作用的同时，也面临着诸多问题与矛盾。如：无线频谱传统的固定静态分配机制与当今无线频谱灵活性需求的矛盾；多种通信标准下网络异构化的现状与接入和服务大融合需求现状的矛盾；无线频谱资源的短缺性与无线频谱资源利用低效性的矛盾等等。为解决以上的问题与矛盾，人们提出并研究了认知无线电技术。该技术的原理是无线网络中的认知用户可以对网络的频谱环境进行检测、分析、学习、推理和规划，在不干扰主用户的前提下，利用相应的检测结果重构工作频率、发射功率、调制方式等参数，进而在时域、空域、频域等多维度使用频谱资源，提升频谱资源的利用率。面对无线频谱环境这个多标准、多模式、异构网络的复杂环境，要把认知无线电从理论变成实现，就要逐一攻克无线网络的环境认知、自主决策与网络重构等核心技术，这其中，无线频谱环境的认知技术是实现认知无线电的重要前提和关键。环境认知的任务之一是准确地、实效地对频谱环境状态进行忙与闲的感知判断，任务之二是要为认知用户实现下一步通信传输提供足够的信息支持，即进行信号的区分和制式的识别。本文深入研究了上述环境认知环节要实现的两个任务，重点的研究创新集中在以下四个方面：第一是针对现有认知无线电网络可信融合研究中融合性能与有效吞吐量之间存在矛盾的难题，提出并研究了基于双门限能量检测和D-S证据理论的合作频谱感知算法。在本算法中，本地认知用户使用双门限能量检测技术，即可以保持同单门限能量检测一样的时效性，又可以提升检测的可靠性；融合中心使用证据理论进行软融合可以进一步加强判决结果的准确度。算法的实现有DIDS和DADS两种思路，均可提升这一可信融合算法的准确性和时效性，其中重点展开研究的DADS算法中，认知用户经过双门限能量检测后的检测结果被分为两类进行处理；对可以在本地直接进行判别的一类，把判别结果以0和1的方式发送至融合中心；对于另外一类，即检测数据介于两个门限值之间，不能直接得出判别结果的，则把检测的信任度函数发送至融合中心。融合中心先按照证据理论对第二类软信息进行数据处理并给出初步判决结果，再与第一类结果一起进行最终的判别。该算法对融合中心来说，相当于先进行了一次节点选择，从而减小了网络传输与融合中心的计算负担。第二是针对所提出的DIDS算法和DADS算法虚警概率较高的问题，重点研究了设置加权系数对融合中心DC总的判决结果的性能影响，并提出了在各个CR用户的感知结果中引入加权系数的改进算法，从而提升了系统的整体性能和可靠性。仿真结果表明，相比较于单一的D-S证据理论和常规的“或”判决、“与”判决等合作感知融合准则，该算法的检测概率比其他检测算法的检测概率性能最大可提升30%，其接收机操作性能曲线（ROC）性能比性能较好的单一D-S证据理论提升3%。第三是针对宽带系统中混合信号分离的难题，提出了一种应用于认知无线电网络的混合信号分离算法，该算法的实现步骤是首先通过压缩感知接收得到混合信号，然后用小波边缘检测对接收到的混合信号进行边缘检测并得到频率边缘，根据所得到的频率边缘构建带通滤波器，再通过盲源分离的方法，将混合信号分离。该算法中重点采用了压缩感知技术、小波边缘检查技术和盲源分离技术。通过仿真实验表明，这种混合信号的分离方法可以很清晰的把简单混合信号中的主信号和干扰信号分离出来，具有较好的性能和较低的复杂度。第四是针对认知用户非合作模式下多制式混合信号识别的难题，提出了一种以识别调制方式为核心的信号制式识别方法，仿真实验表明，算法可以区分出多调制混合信号的环境下四种源信号之中的三种，实现了针对GSM、WCDMA和LTE这三种制式的非合作混合信号的分离和识别，并且获得了较好的识别性能。综上所述，对无线频谱环境认知技术的任务不仅仅要检测判别出某空间、某时间上信号的有无，还要进行信号分离、制式识别等对信号进行具体认知的工作。本文正是针对这些任务目标，研究具有认知便利性和认知有效性的无线频谱环境认知技术。