随着无线通信的迅猛发展，现有的静态频谱分配模式已经使得无线通信在频谱使用上面临频谱资源匮乏的难题。认知无线电的出现，被认为是解决目前频谱资源利用率低的最佳方案。在认知无线电技术中，频谱检测技术是其中的一项重要技术。本文以频谱检测技术为出发点，首先介绍了基于特征值的合作频谱检测技术，并根据随机矩阵理论得出了更准确的门限，提高了检测性能。仿真实验表明，在虚警概率为0.1时，本文提出的改进算法相比传统的基于特征值的检测技术，检测概率提高了35%。随后，本文研究了基于多窗的频谱检测技术，推导了基于Neyman-Pearson准则下的最优门限，并给出了实际应用时所需要的传感器个数。仿真数据表明，在虚假概率为0.1，信噪比为0dB，加窗的阶数为4时，只需要4个传感器就能达到基于Neyman-Pearson准则下的最佳检测性能。另外，由于改进的算法不需要进行奇异值分解，因此相比传统的基于多窗的检测技术，计算复杂度更低。最后，由于认知设备没有授权到某个特定的频带，它需要在一段很长的频谱范围内检测未被占用的频带。因此，本文研究了宽带频谱检测技术，针对当频带之间的边缘平滑时，传统的基于小波的宽带频谱检测技术失效，本文提出了基于贝叶斯分类的宽带频谱检测技术，有效克服上述缺陷。另外，通过引入小波多分辨率分析，提高了整个检测技术的鲁棒性。