频谱静态分配策略导致频谱资源严重稀缺紧张,认知无线电技术可以提高频谱使用效率,缓解频谱资源紧张局面,频谱感知是认知无线电关键技术之一。能量检测法和基于功率谱的频谱感知算法简单易实现,得到了实际应用。本文以这两类算法为基础,深入研究频谱感知算法。首先,研究了两种单用户频谱感知算法。针对传统双门限能量检测算法需通过已知的噪声方差来确定门限,检测性能较差的问题,研究了一种基于功率谱和双门限的频谱感知算法（PSADT）。该算法利用功率谱计算信号能量和进行双门限区域外的检测,对双门限间利用功率谱的最大值最小值的平均之差与功率谱的最小值之比作为检测统计量,其中利用基频附近的功率谱估计最大值,利用功率谱升序排列后的前一部分估计功率谱的极小值,以降低噪声影响。推导了算法的虚警概率,得到了理论门限。仿真结果表明:在加性高斯白噪声信道和瑞利衰落信道下,PSADT算法抗噪声功率不确定性能力强;当频偏系数由0.02增加到0.04时,PSADT算法的检测性能恶化小于对比算法,具有更强的抗频偏能力。针对功率谱极值和几何平均的频谱感知算法（PSEGAR）的检测统计量中使用功率谱的几何平均估计噪声方差的误差较大,导致检测性能较差的问题,研究了一种基于功率谱的频谱感知融合算法（SSFOPS）。该算法利用功率谱的几何平均和功率谱排序后部分最小值的算术平均分别估计噪声方差,并利用此两估计值和功率谱的最大值与最小值构造检测统计量。推导了算法的虚警概率,得到了理论门限。并且,仿真分析了参数的选择问题。仿真结果表明:在加性高斯白噪声信道和瑞利衰落信道下,SSFOPS算法的检测性能优于PSEGAR,在保持较强的抗噪声功率不确定性能力的同时提高了抗频偏能力。然后,研究了一种基于集中式协作频谱感知算法。为了充分利用各次用户的能量向量特征,提出一种基于多头自注意力机制的协作频谱感知算法（MACSS）。各次用户独立采样数据,融合中心收集各次用户的能量数据,并构成能量向量作为自注意力网络的输入;设计了基于多头自注意力机制的网络模型,利用该网络有效提取信号和噪声的能量向量的局部特征,实现智能协作频谱感知。仿真结果表明,本文MACSS算法性能远优于K秩准则算法（KRCA）和基于降维及聚类的深度协作频谱感知算法（DRAC）。虚警概率为0.01,当信噪比为-16d B时,本文MACSS算法检测概率比DRAC法和KRCA法分别高出22%和30%,当信噪比为-13d B时,本文MACSS算法检测概率达91%,而DRAC法为78%,KRCA法为73%。最后,测试了本文的PSADT和SSFOPS算法性能。为验证算法的实际可行性,由基于AD9361射频芯片与ZYNQ系列XC7Z020处理器构成的HDU-SDR软件无线电开发平台和PC机搭建了一套频谱感知算法性能测试系统。编程实现了本文的PSADT算法和SSFOPS算法,利用软件无线电平台收发通信信号,对PSADT和SSFOPS对实际信号的检测性能进行了测试。性能测试结果表明,本文的PSADT算法和SSFOPS算法都分别优于对比算法,具有良好的抗频偏能力,性能曲线规律与计算机仿真结果一致,验证了PSADT算法和SSFOPS算法的正确性和实用性。