在信息化社会的今天,随着人们生活质量不断地提高,人们对无线通信的需要正不断地扩大。然而无线频谱资源并非是无限的,这也导致有限的无线频谱资源与人们日益增长的通信需求之间的矛盾不断扩大。认知无线电技术作为一种智能的通信系统技术,通过提高频谱资源的利用率可以很好地缓解这一矛盾。在整个认知无线电技术中,信号处理技术是认知无线电系统得以运行的基础和关键之一。在认知通信的不同阶段,信号处理技术的应用重点也各不相同,例如频谱感知阶段中,信号处理的对象主要是对主用户信号进行检测,;而进行频谱决策时,信号处理技术则被应用于对频谱空洞的信道信息的估计和分析上。因此,信号处理技术进一步的研究发展,也将使得认知无线电技术得到更好的发展应用。本论文主要围绕信号处理技术在认知无线电系统中的信号检测、波达方向估计和信号分离问题进行了研究,主要内容和成果概括如下:1、研究了多天线下的频谱感知问题。首先对经典能量检测方法进行了分析,当存在有噪声不确定度时,能量检测方法的检测性能将因此而受到影响。为了减少噪声不确定度带来的性能影响,提出了一种基于能量检测的多天线信号检测方法。这种改进的检测方法与能量检测方法类似,通过直接简单地联合多天线采样所得到的信号来构建最终判决量。随后通过对新构建的判决量进行理论推导分析可知,判决门限的计算是与噪声方差无关的,而且检测概率表达式也是一个与噪声不确定度无关的函数。因此,该方法可以在不需要进行噪声方差估计的情况下完成信号的检测判定,但能量检测方法则会因噪声不确定度导致检测性能损失。在实现复杂度上,由于改进方法对采样信号进行了简单联合,所以其和能量检测方法类似都是具有较易实现的线性计算复杂度。仿真实验的结果表明,这种改进的检测方法在具有三天线或更多的情况下,可以获得比能量检测方法更好的检测性能,同时也不会受到噪声方差估计不准确的影响。2、在波达方向估计问题上,对三种波达方向估计算法(PM、DOA和MEMP)进行了研究。首先,提出了一种基于PM的自动配对波达方向估计算法。在该算法中,设计了一种具有位置偏移的双平行均匀线性阵列结构。利用这种结构上的位置偏移可获得一个包含了配对信息的对角矩阵,并通过运用PM算法原理和矩阵分解可以获得该对角矩阵的估计,从而完成对波达方向的估计。随后,对于DOA矩阵法进行了分析和改进。在双平行阵列结构下,利用阵列结构上的偏移则可以通过特征值矩阵直接计算获得波达方向的估计;而在对称V型阵列结构下,则通过利用方向矩阵之间的转换计算和子阵列间的旋转不变性实现了对DOA矩阵法的改进和应用拓展。最后在特殊的双平行阵列结构下,对增广矩阵束算法进行了改进。该改进算法可以在某一子阵列天线数小于源信号数的条件下,通过利用阵列结构上的偏移和构造Hankel数据矩阵来实现所有源信号的波达方向的自配对和估计计算。仿真实验表明,我们所提出的三种算法都可以在不需要额外配对计算过程的同时完成一定精度的波达方向估计计算。3、研究了一维均匀线性阵列结构下的信号分离问题。针对具有特殊混合矩阵的混合信号,提出了基于波达估计原理的两种信号分离方法。当信号的混合矩阵因阵列的结构而具有一个较为特殊的计算特征时,对阵列输出信号的球化处理在数学表达式上正好是将该特殊混合矩阵的线性变换式乘以阵列输出信号。因此,对该阵列输出进行矩阵分解和应用ESPRIT算法则可以直接获得与混合矩阵对应的分离矩阵,进而通过该矩阵完成对混合信号的分离。在不进行球化处理的情况下,通过应用PM算法也可以实现混合信号分离。仿真实验说明在无噪的情况下,所提出的基于波达方向估计的两种信号分离方法不仅可以完成混合信号的盲分离,而且还对计算处理过程进行了步骤简化。