随着无线通信技术的迅速发展,越来越多的通信设备需要接入无线频谱,现有的固定频谱分配策略已不能满足日益增长的频谱需求。认知无线电作为一种有效提高频谱利用率的技术,受到了国内外同行学者和研究机构的广泛关注。频谱感知是认知过程的基础和关键,也是认知无线电技术研究中的热点和重点。由于次级用户通过协作能够有效减小由多径衰落和隐藏节点等问题带来的感知性能上的损耗,因此对协作频谱感知的研究有着重要的理论和现实意义。本文在查阅大量文献的基础上,针对协作频谱感知中次级用户位置相关性问题和感知系统能量消耗大的弊端,对基于增强学习的协作频谱感知策略进行了研究和改进,并通过大量的仿真验证了改进算法的合理性和有效性。本文主要工作及创新点如下:1.对当前认知无线电网络中的常用技术进行了调研和总结,深入研究了频谱感知中的关键技术,并从定义、结构和融合规则等方面对协作频谱感知进行了详细阐述。2.对基于增强学习的协作频谱感知策略进行了改进。已有感知策略的关键是挑选出经过增强学习后Q值较大的子频带和次级用户进行感知部署。本文针对当次级用户位置相关性较大且同时发生阴影效应或多径衰落时已有算法感知性能大幅下降的问题,引入位置信息对次级用户做进一步筛选。将改进后的算法与不考虑位置相关性的算法进行对比实验,大量的仿真表明,在次级用户位置相关性较大且同时受阴影效应或多径衰落等影响时,改进后的算法提高了系统的检测概率,使吞吐量性能增加了约15%,提高了系统的鲁棒性。3.针对协作频谱感知带来感知性能提升的同时会增大系统能量消耗这一问题,对感知策略进行了改进。本文引入了贪婪算法,通过平衡伪随机感知部署和基于增强学习的感知部署两个过程,达到了在满足目标场景所要求的检测概率的同时,减小感知时间损耗,获得最高感知效率的目的。并且对提出的算法进行了大量的仿真实验,从感知时间、检测概率和吞吐量等角度分析了系统的性能,验证了本文提出算法的合理性及有效性。