近些年,随着第五代移动通信(5th Generation Mobile Network,5G)技术的商用,无线通信技术飞速发展,无线业务的激增带来了频谱资源短缺的问题。为了提高无线资源的利用率,认知无线电技术应运而生,该技术利用频谱感知、智能学习、频谱分配和频谱共享等方法,合理化、最优化地使用无线资源。频谱感知的主要作用是检测无线资源的使用情况,是认知无线电系统各功能模块正常运行的重要前提,发挥着必不可少的作用。传统频谱检测的方法主要有以下三种,分别是匹配滤波器算法、循环特征检测算法和能量检测算法,其中能量检测算法无需任何先验信息,计算复杂度低,具有较强的普适性。本论文针对能量检测算法在低信噪比条件下检测概率较低的问题,通过算法改进对判决门限进行了自适应调整,并通过接收信号的历史能量统计值协助当前判决,达到了较好的检测效果,最后利用软件定义无线电平台进行了实验测试,通过软硬件结合的方法进一步验证了算法的有效性。具体工作如下所示:第一,在低信噪比情况下,传统双门限及加权双门限检测方法门限阈值固定不变,缺乏灵活性,针对这一问题,本论文提出了一种自适应双门限协作频谱感知算法,采用集中协作式检测的方法,加入信噪比加权系数,高低判决门限阈值可依据加权系数进行自适应调整,经仿真分析验证,在低信噪比情况下,该算法具有更好的检测性能。第二,针对双门限检测算法,当能量统计值处于双门限之间时,并不能做出时效性较高的判决处理的问题,本论文提出一种基于历史能量统计值的自适应双门限协作频谱感知算法,主要创新点在于利用以往历史能量信息的统计值与当前时刻能量统计值的平均值共同完成检测判决,无需增加检测节点数,保证每个检测周期都能得到准确的检测结果,从而提高频谱检测的时效性,结合仿真,验证了本算法的有效性。第三,基于通用软件无线电外设(Universal Software Radio Peripheral,USRP)软件定义无线电平台,实现了基于Python框架的能量检测频谱感知系统,通过软件可调节各参数及模块,具有较强灵活性,将采集到的信号数据导入Matlab进行计算分析,对本文研究的算法进行了实验验证,通过理论值与实验值的对比,确定了算法在实际运用中的有效性。本文所提两种算法,相较于同类别其他算法具有更高的检测概率和更低的虚警概率,通过硬件实现验证了算法的有效性,为该类算法的硬件实现提供了数据和方法的支持,研究内容可有效用于认知无线电频谱检测领域,提高频谱利用率,具有较好的研究和应用前景。