无线电频谱资源是一种非常宝贵的资源。目前,频谱资源由国家统一分配给了不同的授权用户,尽管有相当一部分频段很少被使用。然而,现代社会无线通信技术发展迅速,无线业务种类越来越丰富。因此,频谱稀缺和需求量不断增加的矛盾成了人们关心的一个严重的问题。认知无线电作为一种新的无线电通信方式被认为是解决频谱利用率低的问题的一个关键技术。美国联邦通讯委员会定义认知无线电是一种智能的无线电通信系统。具有认知功能的无线通信设备可以感知周围的电磁环境并从中捕获信息,能够根据输入激励的变化实时地调整其传输参数,例如传输功率、载波频率和调制方式等。频谱感知是认知无线电中的第一环也是最重要的一环,其核心思想就是在不对其他用户造成干扰的前提下,使无线通信设备具有发现“频谱空穴”并合理利用的能力。“频谱空穴”就是一些在某一时刻某一空间未被授权用户占用的频谱。为了使未授权用户可靠地感知到并有效地使用“频谱空穴”,并且不对授权用户造成干扰,多种多样的频谱检测方法应运而生。频谱检测技术有三种:发射源检测、合作检测和干扰检测。本论文主要研究的是发射源检测,发射源检测主要包括能量检测、循环平稳特征检测和匹配滤波检测。本论文主要从机器学习的角度研究频谱感知,并提出了一种基于人工神经网络的频谱感知方法。这种方法将人工神经网络引入频谱检测中,将能量检测和循环平稳特征检测与其结合起来。神经网络训练前,先对主用户的样本信号进行信息预处理,提取4个特征值。然后经过神经网络训练,对主用户信号信息进行学习与积累。最后对接收信号进行感知,检测是否有主用户信号存在。通过对AM信号和OFDM信号进行仿真,结果表明本文所提出的方法检测性能优于传统的频谱感知方法。