随着移动互联网和物联网的飞速发展，频谱资源的需求急剧增加，频谱资源稀缺业已成为无线电发展的瓶颈。近年来提出的认知无线电技术为有效缓解频谱资源稀缺问题提供了理论与技术支撑。其首要任务是准确、高效地感知频谱状态，主要包括单节点频谱感知技术与合作频谱感知技术。单节点频谱感知技术的主要优势在于感知效率快，但面临隐藏终端、认知无线电网络性能差、阴影、衰落和多径效应等的挑战。合作频谱感知理论和技术是突破上述挑战的核心手段，近年来一系列方法从不同角度相继被成功提出并加以应用。从融合角度而言，主要包括硬融合与软融合两种方式。硬融合的核心优势是部署相对简单、成本较低、通信开销少、传输效率快，但决策可靠性低，面临参数优化的挑战。软融合在检测可靠性方面优于硬融合，但已有方法还面临频谱感知数据不确定性量化、频谱感知数据篡改、感知方法计算复杂度高和融合机制四个方面的挑战。针对合作频谱感知面临的上述挑战，本文在系统分析认知无线电感知环境条件下，从无线电通信与统计学习、模糊决策、不确定性推理和机器学习等多学科、多领域交叉融合的角度出发，开展认知无线电合作频谱感知方法研究。主要研究内容如下：
　　1.分析和总结了单节点频谱感知技术与合作频谱感知技术。首先介绍了能量检测、匹配滤波和循环平稳特征检测三类经典单节点频谱感知技术，并总结了各自的优势及局限性。然后，系统地分析了硬融合中AND、OR和K-N模型各自的优势及局限性，并指出硬融合所面临的主要挑战在于优化K-N模型参数。最后，回顾了软融合频谱感知技术的三类经典方法，包括基于纽曼-皮尔逊准则的能量检测方法、基于D-S理论的合作频谱感知算法和基于机器学习的合作频谱感知算法。与此同时，深入地剖析了基于D-S理论合作频谱感知算法和基于机器学习合作频谱感知算法所面临的挑战。
　　2.提出了模仿主用户攻击环境下参数优化的K-N合作频谱感知方法。首先，在分析认知无线电遭受模仿主用户攻击系统模型基础上，引入了基于发射端检测的四元假设基本模型；然后定义了攻击强度和攻击概率参数，设计了K-N合作频谱感知算法的参数优化方程，并给出了优化参数的解析表达式。最后，结合仿真案例分析了各参数对频谱感知结果的影响，结果表明通过参数优化有助于提升K-N合作频谱感知算法的性能。
　　3.为了更好地刻画感知信息的不确定性，并降低软融合频谱感知算法的计算复杂度，从模糊逻辑与图的角度提出了基于最小生成树聚类的合作频谱感知方法。首先，通过认知用户接收信号能量和直觉模糊集来量化认知用户的局部感知信息。然后，利用最小生成树聚类实现局部频谱感知数据的分簇，并选择包含认知节点数最多的簇作为频谱决策依据。最后，借鉴逼近理想解排序法的思想实现频谱决策。仿真案例进一步验证了该算法相对于已有方法不仅提升了感知性能而且具有较低的计算复杂度。
　　4.针对软融合频谱感知理论研究所面临的频谱感知数据篡改、感知方法计算复杂度高和融合机制的挑战，提出了基于证据推理理论的合作频谱感知方法。首先，针对经典D-S理论合作频谱感知方法可能因证据冲突和Zadeh悖论问题导致感知结果不可靠甚至错误的问题，提出基于证据推理理论的有效量化协同频谱感知算法。然后，针对频谱感知数据篡改导致难以识别攻击用户和感知性能差的挑战，提出了基于自适应信誉度和证据推理理论的合作频谱感知算法，定义了自适应信誉度，用以解决恶意感知用户识别问题，进一步依赖自适应信誉度和证据推理理论构建了合作频谱感知模型，用以提升频谱感知数据篡改环境下的感知可靠性和稳定性。最后，面向越来越多的认知用户以及随之而来所导致的感知信息不确定性的挑战，提出了基于层次分析法和证据推理理论的网格化合作频谱感知算法。该算法借鉴层次分析法的思想对频谱感知区域进行了栅格化处理，利用基于证据推理理论的有效量化协同频谱感知算法实现了栅格内频谱感知数据融合，并量化各栅格的权重，类似地可实现栅格间的深度融合。大量的仿真结果表明基于证据推理理论的合作频谱感知方法达到了解决证据冲突，降低计算复杂度，识别频谱感知数据篡改用户，提升感知性能的目标。