近年来无线业务种类极速增加,同时用户对无线通信质量要求也逐步提高,但频谱资源却相对匮乏。现有频谱资源均系政府统一授权,一旦授权其他用户则无法使用。但主用户并不能充分利用频谱资源,当其不使用频段时频谱空闲而其他用户却无法使用,这便造成了频谱资源的巨大浪费。认知无线电就是为了检测此类“频谱空洞”并加以利用,当主用户不使用授权频段时将频谱资源分配给其他次用户,当主用户重新使用授权频段时次用户及时退出以免造成干扰。因此检测频段中主用户是否存在成为认知无线电的首要任务,频谱感知即是用于感知主用户存在性的算法,也是认知无线电关键技术之一。从实际应用出发,频谱感知技术应具备高效性与稳健性才能保证认知无线电网络可以稳定工作。本文首先对该领域的研究背景作了详细介绍,给出了认知无线电的概念和频谱感知技术的研究现状,分析了几种单用户感知算法和多用户感知算法,给出了其算法原理并对其优缺点作简要分析。接着针对已有基于特征矢量的频谱感知算法因涉及大量特征值分解运算导致算法运算量大,不适应实时检测的问题,引入信号子空间与噪声子空间的概念。利用信号子空间和噪声子空间之间的正交性,将次用户接收信号分别投影到上述子空间,根据投影值的差异实现快速频谱感知,保证算法高效性。理论分析和仿真结果表明本文提出的算法与已有算法相比有效降低了运算量,检测性能不受噪声不确定度影响、不需要预知主用户先验知识和噪声方差,且低信噪比、小采样情况下有更优越的检测性能。随后针对已有基于拟合优度检验的频谱感知算法受噪声不确定度影响的问题,利用矩估计法或特征分解估计法对噪声方差进行实时估计,通过对采样数据的适当处理,在减小拟合优度检验算法复杂度的同时,克服了噪声不确定度对算法性能的影响,保证算法稳健性。仿真结果表明本文算法有效解决了噪声不确定度对算法的影响,且算法性能优于能量检测算法和特征结构类算法。总之,频谱感知技术可以满足用户日益增长的频谱资源需求并保证通信质量需求,为解决在有限频谱资源的前提下提高资源利用率,保证资源合理使用提供了新的途径。因此对于频谱感知的研究是必要的也是迫切的,而如何使频谱感知更加高效,更加稳定成为认知无线电技术发展的重中之重。