认知无线电(Cognitive Radio, CR)是一种可以自我认知和自我学习的无线电通信概念,它可以通过一系列方法对周围环境的频谱资源进行实时感知,有效发现“频谱空洞”,并有效提高频谱利用率。频谱感知(Spectrum Sensing, SS)技术是认知无线电的关键技术之一,是动态频谱接入、频谱共存等认知无线电关键技术的前提和基础。通过SS对频谱状态进行实时的监测,当主用户(Primary User, PU)没有使用该频谱资源时,允许次用户(Sensing User, SU)在不干扰PU通信的条件下接入该频段；当PU使用该频段时,次用户必须及时退出该频段,以免干扰PU。由此可见,SS是CR技术发展应用的关键。首先本文从认知无线电方面介绍了课题的研究背景及现状,介绍了SS算法的检测模型,并对当前的SS算法进行了分类介绍。其中,主要介绍了三种已有的基于拟合优度(Goodness of Fit, GOF)的频谱感知算法常,即(Anderson-Darling, AD)算法,以及基于t分布的频谱盲检测算法和基于特征函数的频谱盲检测算法(Blind spectrum sensing based characteristic function and Anderson-Darling test, CAD),并给出了MATLAB仿真实验。后两种改进的AD算法不需要任何先验知识。在瑞利慢衰落信道下的仿真表明,后两种改进的AD算法和噪声方差已知的AD算法具有相似的检测性能,尤其在小样本条件下,同时三种基于拟合优度算法的检测性能明显高于ED算法的检测性能。其次,针对目前的GOF算法的时间计算复杂度高的缺点,本文运用数理统计的方法分别从经典统计学和贝叶斯统计学角度出发,提出了两种新的低复杂度频谱感知算法,它们分别是基于广义似然比的频谱感知算法和基于贝叶斯推断的频谱盲检测算法。通过MATLAB仿真表明,基于广义似然比的频谱感知算法的检测性能略高于AD算法,且时间复杂度低;基于贝叶斯推断的频谱盲检测算法检测性能和CAD算法的检测性能相近,然而其时间复杂度明显低于CAD算法并且能够克服噪声不确定度的影响。最后,基于模块化的思想使用MATLAB GUI工具设计出一个静态信号频谱感知仿真平台。该平台具有良好的扩展性,能快速的实现频谱感知算法的仿真工作。同时,对本文工作进行了总结,并对下一步的研究方向进行了展望,SS技术作为CR技术的关键和基础,具有广泛的应用前景和研究价值。