近年来随着智能无线通信终端数量和业务的不断增长，使得无线频谱资源变得越来越紧张。在固定分配频谱资源的传统频谱管理方式下，很难再为不断增加的无线通信业务提供足够的频谱资源。认知无线电（Cognitive Radio, CR）是一种能够解决上述难题、具有广阔应用前景的新兴技术，近年来受到了学术界和工业界的极大关注。频谱感知通过实时检测主用户（Primary User, PU）信号寻找PU系统频谱空洞，它是CR未来得以现实应用的基础。在实际应用场景中，往往要求频谱感知周期非常短，以便CR用户（SecondaryUser, SU）可充分利用空闲频谱资源。为了在极短的频谱感知周期内感知PU信号，论文第二章提出了两种基于多天线协作的单用户频谱感知算法。第一种为基于广义似然比（Generalized Likelihood Ratio Test, GLRT）的过采样频谱感知算法。该算法利用过采样技术能够在较短的频谱感知周期内获得足够多的信号样本。同时，该算法充分利用多输入多输出（Multiple Input Multiple Output, MIMO）信道的时间和空间相关特性，提高单用户频谱感知技术的频谱感知性能。仿真结果验证了所提算法较现有能量检测（Energy Detection, ED）和现有GLRT算法具有更好的频谱感知性能，尤其在信噪比（Signal to Noise Ratio, SNR）较低的场景中，性能增益更加明显。其次，针对PU对信道占用状态的“驻留”特性，第二章还提出了一种基于能量检测的多时隙协同频谱感知算法。在该算法中，SU线性合并不同频谱感知时隙的本地频谱感知检测统计量，从而可获得更多的频谱感知信息。论文分析了该算法在高斯白噪声（Additive White Gaussian Noise, AWGN）信道下的频谱感知性能。数值仿真结果表明，提出的基于能量检测的多时隙协同频谱感知算法较传统的单用户单时隙ED算法具有更好的频谱感知性能。在衰落信道下，由于可以利用空间分集增益，多用户协同频谱感知通过让多个SU同时参加频谱感知，可以获得较单用户频谱感知更优的性能。第三章研究了异构网络下的多用户协同频谱感知技术，即各SU配置不同数目的接收天线，同时各接收天线对应不同信号采样率。考虑到异构网络下SU的本地频谱感知数据可靠性的差异，第三章首先提出了一种异构网络下存在本地频谱感知数据上报误差时，基于归一化能量检测的最优协同频谱感知算法。同时，第三章还给出了异构网络下存在本地频谱感知数据上报误差时，基于归一化能量检测的最优协同频谱感知算法、传统等增益合并（Equal Gain Combination, EGC）和最大归一化能量（Maximum Normalized Energy, MNE）合并算法在本地频谱感知数据上报误差下的理论频谱感知性能。此外，为了规避对接收SNR和本地频谱感知数据上报误差方差这些先验信息的需求，第三章进一步提出了一种次优的协同频谱感知算法。仿真结果表明，异构网络下存在本地频谱感知数据上报误差时，基于归一化能量检测的最优协同频谱感知算法及次优算法均可获得比现有EGC算法和MNE算法更优的性能。另外，为了克服传统ED算法受噪声不确定性影响的问题，第三章还提出了一种异构网络下基于广义似然比的协同频谱感知算法。该算法的全局检测统计量为SU本地频谱感知检测统计量的线性合并。该算法同样考虑了SU接收天线数目不同、接收信号样本数目不同和接收信噪比不同导致的本地频谱感知数据可靠性差异。本章还分析证明了该算法对噪声不确定性的鲁棒性。数值仿真结果表明，本章提出的异构网络下基于广义似然比的协同频谱感知算法较现有EGC算法具有更优的频谱感知性能，尤其在SU本地频谱感知数据可靠性差异较大的场景下，增益更为明显。为了以低系统开销快速地检测到PU空闲信道，第四章提出了一种基于数据库的宽带频谱感知信道选择策略。在该信道选择策略中，CR系统选择空闲概率较大的PU信道优先感知。数字计算结果表明，提出感知信道选择策略较传统的信道随机选择策略，能以更大概率的检测到PU空闲物理信道。第五章对全文的主要贡献进行总结，同时指出了本文和相关领域暂未考虑的一些具有价值的研究方向。