随着通信网络架构日益复杂及无线业务需求日益增长,可用的频谱资源越来越稀缺。利用认知无线电技术提高现有频段的利用率,是解决频谱稀缺问题的有效手段。认知无线电技术的基本思想是频谱共享或频谱复用,其中检测频谱‘空穴’的频谱感知技术是实现认知无线电的基础。由于接收信号协方差矩阵的特征值能反映信号和背景噪声的特征,国内外学者相继提出了一些基于特征值的频谱感知算法。虽然这些算法都各有特色,但是在这些算法之间的关系、设计手段（机制）及性能增强等方面仍需要深入研究。为此,本文进一步研究并分析了基于特征值的频谱感知算法,通过对已有算法检验统计量的融合和嵌入,设计了增强的频谱感知算法。本文主要创新成果如下:（1）针对基于特征值的全盲频谱感知算法的增强问题,通过融合已有检测算法的检验统计量,提出了两种基于检验统计量加权几何平均的通用检测算法。新提出的算法将协方差矩阵的最大特征值、最小特征值、特征值的算术平均、几何平均和能量等统计量作为构成要素,设计了新的检验统计量,并可将已有的一些算法归纳为本文新算法的特例。此外,运用随机矩阵理论,推导了虚警概率、检测概率和检测阈值的解析表达式。为了进一步增强新算法的检测性能,又提出了基于特征值p次幂的频谱感知增强技术。仿真结果表明,基于已有算法检验统计量的融合检测算法和基于特征值高阶矩的检测算法不仅可有效地增强检测性能,而且能够克服噪声不确定性的影响。（2）针对基于能量和最大特征值的最优检测算法设计问题,基于两个统计量的加权算术平均和加权几何平均,提出了两种半盲频谱感知增强算法。采用随机矩阵理论,分析了所提算法的检测概率、虚警概率及检测阈值,仿真实验结果表明,本文所提融合算法在独立信号和相关信号场景均比原算法具有更优的检测性能。为了克服所提算法的噪声不确定性问题,引入噪声方差估计,将算法扩展到全盲频谱感知领域。仿真实验结果表明,该算法不仅可有效改善检测性能,而且具有较好的鲁棒性。此外,将最优检验统计量的设计问题转化为特征域中二分类决策边界的求解问题,分析了基于机器学习方法的最优求解问题,提出了基于逻辑回归机器学习的检测算法,并通过仿真实验验证了其检测性能。（3）针对最大特征值拟合优度检测算法的噪声不确定性问题,本文将最大最小特征值之比作为拟合对象嵌入到拟合优度算法中,提出了一种新的全盲频谱感知算法。根据随机矩阵理论,对新算法的虚警概率和检测概率进行了理论分析,并通过仿真实验验证了该算法的有效性。最后研究了基于最大特征值和能量的两个拟合优度检测算法的融合问题,设计了一种新的频谱感知融合算法,并基于仿真实验验证了其融合效果。仿真结果表明,该融合方法是一种增强算法性能的有效手段。