认知无线电技术(Cognitive Radio,CR)有利于解决固定频谱分配方式带来的频谱资源稀缺问题,具有广阔的应用前景。信号检测是认知无线电中的关键技术,一直受到学术界的广泛关注。在实际无线环境中,信号在传输过程中会受到多径效应、阴影衰落等因素的影响,使用单个天线接收的采样数据进行信号检测往往无法满足任务要求。为了提高信号检测的可靠性和精确性,采用多天线组阵接收结构是一种有效的措施。本文围绕基于多天线组阵接收结构的信号检测技术开展研究,论文主要工作及创新点如下:1.在噪声功率已知的条件下,给出了一种基于互相关的多天线信号联合检测算法。经典的多天线能量检测算法在进行信号检测时,没有充分利用多天线信号的空间相关性信息,检测性能一般。针对这个问题,该算法基于各路天线接收数据之间的相关值,设计检测统计量,通过该检测统计量与特定虚警概率下的门限作对比,实现对原信号的存在性检测。仿真结果表明,该算法与传统的多天线能量检测方案相比,在低信噪比、观测数据量少和低虚警概率下,拥有更高的检测概率。2.在多天线均匀组阵,噪声功率未知条件下,给出了一种基于等增益合成的多天线信号盲检测算法。噪声功率估计误差使多天线能量检测法检测性能急剧恶化,特征值检测算法利用了多天线信号的空间相关性,却未能充分考虑多天线信号之间时延、相位等的差异性。为此,该算法考虑实际环境中各天线信号参数存在的差异性,将多天线采集的信号利用多天线合成技术进行等增益合成,构建出一种与噪声功率无关的检测统计量。理论分析和仿真结果表明,该算法在噪声功率未知时,检测性能优于多天线能量检测法和特征值检测法。3.在多天线非均匀组阵,噪声功率未知条件下,给出了一种简单的设置固定门限的多天线信号检测算法。该算法的理论依据是多天线信号存在与否时,在进行时延和相位对准的迭代过程中,各路天线数据协方差矩阵的特征值具有不同的特性。仿真结果表明,在噪声功率未知条件下,该算法能够有效解决多个天线接收信噪比不同时的信号检测问题,并且相比多天线能量检测提升了检测性能。4.针对多天线非均匀组阵下,特征值检测算法无法适用的问题,给出一种基于最优合并和特征值检测的多天线信号检测算法(optimally combined eigenvalue detection,OCED)。该算法对各路天线信号进行最优权值合并,基于合并信号自相关矩阵的特征值,构建了新的检测统计量,推导信号检测算法的检测门限,并将该检测门限和检测统计量进行比较,得到检测结果。理论分析和仿真结果表明,该算法充分利用了信号的相关性,采用频域最优权值合成的方式改善了信号质量,进而提升了信号检测性能。