随着人们对无线通信业务需求的不断增长,不同体制、不同协议和不同应用场合的无线通信系统和网络结构层出不穷,日益增长的频谱需求与有限的频谱资源之间的矛盾也越来越突出,已成为制约无线通信发展的主要瓶颈之一。认知无线电作为一种智能频谱共享技术,依靠人工智能的支持,感知无线通信环境,根据一定的学习和决策算法,实时自适应地改变系统工作参数,动态地检测和有效地利用空闲频谱,理论上允许在时域、频域和空域上进行多维的频谱复用和共享。频谱感知和干扰评估是构建认知无线电系统的前提之一,通过频谱感知和干扰评估动态搜集可用频谱的统计信息,既能为高层的频谱管理提供辅助,也能为系统的功率控制提供参数支持,论文重点研究认知无线电中的频谱感知和干扰评估技术,主要内容有:(1)通过对现有的各种频谱检测方法的总结和分析,比较了各自在频谱检测过程中的优缺点。(2)协同频谱检测算法能够有效弥补单节点检测中存在的“隐藏终端”和检测准确性低等问题。但是已有的协同检测算法大多采用等权重进行数据融合,未考虑不同节点所处的通信环境对检测性能的影响。针对传统的能量检测法和协同频谱感知存在的局限性,改进一种基于权重的协同检测方案,分别研究了两种权重因子(信任度)的设置方法,第一种是根据不同认知节点分别通过估计与待测频带相邻保护(过渡)频带的噪声特性,来近似作为待测频带内的噪声特性,以此估计噪声作为信任度进行加权协同数据融合。第二种是以双门限能量检测法为基础,考虑到单节点双门限设置与节点感知性能直接相关,以单节点两个门限的相对距离作为信任度进行加权协同数据融合。两种改进的协同检测算法和传统的协同检测算法相比,检测性能均得到了显著提高。(3)针对循环平稳检测算法开展研究,利用调制信号在循环频率点具有明显的谱相关特性,而噪声在循环频率点不具有此特性来进行频谱感知,提出一种以待测频带内信号的循环谱相关函数的峰均比作为检测统计量,改进了检测性能。(4)初步研究了认知无线电中干扰评估方法,改进了干扰温度估计的MTM—SVD算法,以提高干扰温度估计的准确度,降低算法复杂度。