频谱感知是认知无线电技术的关键环节之一,高效稳健的频谱感知技术对于整个认知无线电系统的稳定运行至关重要。拟合优度被广泛地应用于频谱感知领域,通常,拟合对象的构造方法和拟合准则影响拟合优度感知算法的性能,本文从以上两个角度出发,对拟合优度感知算法展开了研究,具体工作总结如下:经典的单边右尾(unilateral right-tail Anderson-Darling URAD)拟合准则在采样点数有限时存在检测不够精确的问题。本文在对URAD拟合准则原理进行深入分析的基础上,利用任意连续函数的累积分布函数服从0到1上均匀分布这一特性及Gamma分布的性质,推导得出了URAD拟合准则精确门限的通用表达式,克服了URAD检测算法在采样点数有限条件下检测不够精确的缺点。此外,现有的URAD检验仅通过单个样本点构造拟合对象,因而在应用时具有一定的局限性。针对这一问题,本文对接收信号样本点进行分组,通过多个样本点构造拟合对象,利用卡方分布的性质,推导得到了判决门限的表达式,并且进一步研究了分组数目对检测性能的影响。经典的URAD检验算法需要已知噪声的功率,易受噪声不确定度影响,在实际应用时受到了限制。本文在对随机矩阵理论研究的基础上,利用接收信号样本协方差矩阵最大特征值与迹均值之比的分布特性,构造一种不需要已知噪声功率的拟合对象,提出了一种基于最大特征值与迹均值之比的URAD感知算法。与传统的URAD检测算法相比,本文所提算法在保障良好检测性能的同时,有效克服了噪声不确定度的影响,是一种高效稳健的频谱感知算法。理论研究和仿真结果表明,本文推导的精确门限有效提升了URAD拟合准则的准确性,打破了现有URAD检测算法的局限性。所提感知算法具有高效稳健的检测性能,为认知无线电系统中提供了可靠的频谱感知策略,具有一定的理论和实际意义。