认知无线电技术通过感知一定频带范围内的外部无线电环境，实现频谱的动态接入，能够缓解无线电资源需求膨胀与稀缺之间的矛盾。频谱感知是认知无线电的关键技术之一，本文主要对频谱感知技术进行研究。
　　首先，分别介绍了频谱感知技术研究的背景和意义，并详细地分析和总结了窄带频谱感知与宽带频谱感知两大类感知技术。
　　其次，研究了基于随机矩阵理论的频谱感知技术。介绍了几种基础的基于随机矩阵理论的频谱感知算法。针对基于最大最小特征值之差（Difference between Maximum and Minimum eigenvalue，DMM）的频谱感知算法在协作用户少情况下检测性能不佳，引入了拆分重组过程，提出一种改进的DMM算法，通过拆分重组过程，提高了矩阵的维度，增加算法的逻辑用户数；根据拆分方式不同，分为顺序拆分重组和间隔拆分重组，两种方式对信号相关性影响不同。理论分析与实验仿真均表明，该算法检测性能优于DMM算法，而算法复杂度不变。又从提高算法判决门限估计精度出发，利用双特征值极限分布，用双特征值估计判决门限，提出了基于双特征值极限分布的频谱感知算法；仿真结果表明，该算法在低虚警概率，采样次数相对少的情况下，检测性能更优。
　　然后，研究了基于随机共振的窄带频谱感知技术。理论上证明了双稳态随机共振系统的有效性，即利用该系统可以提高信号的信噪比；引入二次采样技术，解决该系统只能应用于低频信号的问题。仿真结果表明，相对于DMM算法，该算法显著地提高了低信噪比时的检测性能；不同拆分方式对于DMM算法和能量算法的性能提高程度不同。
　　最后，研究了基于压缩感知的宽带频谱感知技术。针对接收信号在较短时隙内变化小的特点，提出了基于差分信号的正交匹配追踪频谱感知算法，将当前观测信号与前一时刻观测信号的差分信号进行频谱检测，得到信道状态变化信息，再根据前一时刻信道状态，由这两者的异或得到当前时刻信道状态信息，最后得到当前的频谱占用情况。针对稀疏度估计精度问题，又提出了基于贝叶斯预测密度的弱匹配追踪频谱检测算法，利用贝叶斯预测密度理论推导出罚函数，解决在低信噪比、观测点数较少情况下稀疏度欠估计问题；引入弱匹配策略，提高频谱支撑集估计性能，且减弱受稀疏度估计准确度的影响。仿真结果表明，上述两种方法均能有效地提高频谱检测性能。