随着通信环境越来越复杂多变,接收端的信号往往夹杂着很强的背景噪声,使得接收信噪比往往很低,在这样一种低信噪比的环境下,现有的检测算法性能下降严重,甚至失效。本文在现有检测算法的基础上,致力于研究新型的、在较低信噪比下仍然有着良好检测性能的信号检测算法。首先,在分析研究基于功率谱的检测算法的基础上,将一种自适应信号分解方法——变分模态分解(VMD)首次引入到信号检测领域中来,提出一种基于变分模态分解的信号检测算法。对于基于功率谱的检测算法来说,对功率谱的划分往往是人为进行的,具有较大的主观性;而随着变分模态分解方法的引入,从信号处理的角度来对功率谱进行自适应划分,使之更加精细和准确;经这样划分出的功率谱,还能获得一定程度的去噪效果。将待测信号首先经过变分模态分解,然后对获得的本征模态函数进行功率谱估计,最后构造合适的检验统计量进行统计判决,仿真实验表明,所提的算法在较低的信噪比下仍然能获得较高的检测概率。其次,利用主用户信号与噪声在信息熵上的差异,提出一种基于功率谱熵的信号检测算法。为了对功率谱熵进行更好的估计,文中采用Bartlett周期图法,能显著减小功率谱估计的方差,使得估计的功率谱更加平滑;然而,功率谱的分辨率也同时随之降低,研究发现二者之间存在着一种折中,即利用Bartlett周期图法进行功率谱估计时,分段数目K与每个分段的数据点数M相等时,能获得最佳估计的功率谱。然后采用直方图法计算功率谱熵,并将其作为算法的检验统计量,仿真实验表明,算法能在-15dB的信噪比下达到98%以上的检测概率,在低信噪比下的检测效果良好。更进一步的,由于单节点检测算法的性能提升有限,考虑通过多用户协作的方式来进一步提升检测性能;提出一种基于多用户协作的功率谱熵信号检测算法,采用软硬合并的融合策略进行感知。首先为提升算法的稳健性,对基于功率谱熵的本地检测算法采取双门限判决策略,对于能直接在本地进行判决的感知节点采用硬判决融合,对于无法进行直接判决的感知节点进行软判决融合;然后根据本文所提的软硬合并融合策略进行最终的统计判决。仿真实验表明,采用多用户协作的检测算法相较于单节点检测,检测性能得到明显提升;且随着参与协作用户数目的增加,检测性能也相应的提升。但是考虑到实际应用,性能提升是无法单单只靠增加协作用户数目来实现的,因此需要选取合适的协作用户数,既能提升检测算法在低信噪比下的可靠性与准确性,又能使整个检测系统不至耗费过大的通信开销。