频谱检测是认知无线电(Cognitive Radio,CR)的基础支撑技术，是实现频谱分配、频谱共享的基础与前提。然而，当前的频谱检测技术还难以支撑未来信息社会万物互联下的应用需求，存在一些亟待解决的问题：一是受主用户(Primary User,PU)信号类型、接收机等因素制约的频谱检测算法难以满足实际应用需求；二是在低信噪比(Signal-to-Noise Ratio,SNR)、噪声不确定度(Noise Uncertainty,NU)等复杂恶劣通信环境下，对PU信号的检测变得更加困难、复杂；三是未来通信网络的高能效、低功耗、低时延等发展需求，对频谱检测算法复杂度、检测时长、检测开销等提出了更高的要求。为加快推进频谱共享应用落地和支撑未来通信网络建设，本文从检测算法和协作策略两个方面入手，对CR中的频谱检测技术进行了深入研究。主要工作和内容如下：
　　①针对本地能量检测算法对噪声极其敏感的问题，研究了基于广义随机共振的能量检测算法，对该算法的检测性能进行了理论分析和仿真验证。在此基础上，为减小随机共振技术引入的系统开销，提出了基于广义随机共振的双门限能量检测算法。该算法根据信道环境的变化，自适应地选取更经济、高效的检测算法，具有较强的灵活性和适应性。仿真结果表明，该算法在不降低检测精度的前提下，可以有效降低算法计算量和系统开销。
　　②考虑到单用户频谱检测存在的局限性，深入研究了基于能量检测的协作频谱检测算法。为改善较大噪声不确定度下的检测性能，提出了一种基于广义随机共振的双门限协作能量检测算法。该算法利用双门限机制和两步协作策略，以检测统计量为依据自适应地选取融合准则，从而在提升检测性能的同时，尽可能地避免协作开销的增加。仿真结果表明，该算法具有较强的鲁棒性，在大噪声不确定度下仍具有较好的检测性能。
　　③考虑到PU和次用户(Secondary User,SU)的移动性及各个SU接收到的PU信号功率存在差异，提出了一种基于动态分组的协作能量检测算法。该算法引入分组参数对所有SU进行动态分组，并为不同组内的SU分配不同的权重因子，FC仅需收集、融合各个SU的本地判决结果。仿真表明，该算法在不大幅增加协作开销和处理时延的前提下，可以有效提升系统检测性能。