认知无线电技术是解决频谱资源紧张的有效手段。认知网络中的多个认知用户来进行协作频谱感知可以解决隐藏终端和阴影衰落问题并提高频谱感知的性能。协作频谱感知(CSS)采用集中式或者分布式的协作方式来实现。本文的主要研究方向为协作频谱感知技术，对集中式和分布式频谱感知方案分别进行了研究。
　　传统集中式频谱感知算法中，门限选取方法有单门限或者双门限两种。单门限检测算法对噪声等干扰比较敏感，双门限检测算法对噪声的敏感性降低，但是双门限之间的感知信息没有得到充分应用，频谱检测效率还有待提升。针对这个问题，本文提出一种基于D-S证据的动态双门限协作频谱感知方法。本地感知时，动态地设置双门限，将接收到的主用户信号能量与双门限值进行比较。如果认知用户接收到的主用户信号能量在双门限之外，则将检测结果0或1直接传送给认知基站；如果接收到的主用户能量在双门限之间，则根据D-S证据理论算出信任度函数传送给认知基站，由认知基站根据K秩准则做最终判决。这样可以有效利用双门限之间的信息，进而提高整个算法的感知性能。最后通过性能分析和仿真证明，在相同虚警概率条件下，该算法的检测概率比普通双门限感知算法以及基于D-S证据的固定双门限感知算法的都要高。
　　传统的分布式频谱感知算法中，可以将平均共识理论应用到CR的协作方式之中，使每个CR与相邻CR之间交互感知信息，然后迭代求解频谱估计优化问题，最终使得所有CR节点的频谱感知信息达到一致(consensus)。但是一般都假设各认知用户之间的交互信道是理想的，即每次迭代时认知用户直接接收邻居信息，并假设它们并不受噪声影响，这种处理方式显然有待改进。本文将提出一种基于平均共识的分布式协作频谱感知新方法。首先各认知用户进行本地能量感知，然后将能量感知结果作为新的平均共识算法的迭代初始值，迭代P次后各认知用户的状态值基本达到共识，最后将其分别与门限?相比较，如果高于门限则判决为主用户存在，如果低于门限则判决为主用户不存在。本文通过仿真分析了最佳参数的选取，也通过仿真结果证明，新方法比传统基于平均共识的感知算法具有更高的检测概率。