FCC频谱策略任务组提到，3GHz以下频段中已经分配的频段在不同的时间和地点只有15%～85%被用到，3GHz以上利用率更低。认知无线电作为一种智能无线电通信技术,能够动态地利用时间和空间上暂时处于空闲的频谱资源,为无线业务提供工作频段用来通信,是未来移动通信关键技术之一。频谱感知是实现认知无线电功能的基础，论文主要研究就是频谱感知算法。论文第1章首先介绍了认知无线电的背景，接下来概述了认知无线电的相关原理及其关键技术，并对目前认知无线电频谱感知技术的研究现状作了总结；随后第2章对认知无线电频谱感知技术作了全面的分析。介绍了频谱感知的周期和特点，研究了3种典型传统单节点感知方法（匹配滤波器感知算法、能量感知算法、循环平稳特征感知算法）各自的技术特点，接下来比较了神经网络频谱感知算法原理与单节点感知算法的检验精度及复杂度性能。第3、4章是本论文的重点。第3章对神经网络的基本算法进行了介绍并分析了神经网络算法用于到频谱感知的可行性；第4章提出了双层RBF神经网络的频谱感知并进行了数学建模与仿真分析。通过对典型的两种神经网络的结构及特点进行了分析和比较，然后将原本的认知无线电频谱感知转化为调制方式模式识别问题。第一层为主用户判别模型，用于对环境信号中主用户存在与否进行判决；第二层是调制分类器模型，在第一层模型判决主用户信号存在之后，再对它的调制方式进行分类。最后对所提频谱感知模型进行了仿真性能评估：就检测率方面，得出基于RBF神经网络的认知频谱感知算法在低信噪比条件下（-15dB~-5dB）的检测成功率明显优于能量检测算法和循环平稳算法，也高于同为神经网络的BP算法；虚警概率也低于单节点感知算法和BP算法。而在检测时长上，RBF神经网络算法的网络训练时间要少于BP算法，所以在网络建立时间，和复杂度上相对BP算法都有所提高。目前大多数频谱感知算法主要是通过增加检测时长来提高对主用户的检测概率。本文所提出的双层RBF算法的频谱感知系统模型虽然检测性能上有很大的提高，但在检测时间方面并没有太大的改善，如何减少算法的复杂度，提高检测的实时性还值得作深入的研究讨论。