动态频谱共享技术的首要任务是快速检测空闲频谱，协同检测能很好地避免认知节点受到多径衰落和阴影效应的影响。考虑到集中式协同检测算法在网络通信负载、时间花销和计算成本的缺陷，本文将围绕分布式协同频谱检测算法展开研究工作。　　针对认知无线电网络中的宽带频谱检测，提出一种基于重加权交替方向法的分布式协同频谱检测方法。该方法通过增广拉格朗日函数的分布式联合分解，并且在全分布式网络环境中利用每个协同认知用户估计稀疏值在最小l0范数优化正则项前重复加权获得联合稀疏解，同时通过坐标下降法对化简后的二次优化问题求解。实验结果证明在相同条件下，重加权后算法检测效果均优于现有的算法，并且对于算法收敛速度有很好地提升。　　针对主用户信息的全面感知，提出了一种基于变分稀疏贝叶斯的分布式频谱感知算法。该算法利用因子图将集中式的全局感知问题分解为简单的分布式局部问题，通过认知用户邻居间的置信传播实现主用户发射功率传播图、位置、个数等信息的联合估计。且充分利用邻居间传递的信息所具有的时间和空间二维相关性，提高认知用户在低信噪比下的感知性能。同时，算法在迭代过程中自适应的删除不收敛的超参数及对应的基函数，降低通信负载。实验结果证明该方法在检测概率和检测速度等方面都有所提高，同时在低信噪比下有较好的检测效果。