无线通信技术的快速发展使人们对频谱资源的需求大大增加,而现今的频谱分配政策又造成大部分可用频段的利用率较低。认知无线电技术能感知周围频谱环境,并机会性地接入空闲频段,从而有效解决频谱资源紧缺与频谱资源利用率低之间的矛盾。认知无线电的关键技术是频谱感知和动态频谱接入。目前,人们对频谱感知技术已经进行了大量的研究,但适用于先验信息全盲条件下的能量检测方法在低信噪比环境下性能较差。仅基于即时感知结果的动态频谱接入算法可能造成信道频繁切换甚至干扰主用户等情况。针对以上问题,本论文提出了一种适用于低信噪比环境的改进能量检测算法,并利用数据预测技术对信道内干扰水平进行预测,以辅助进行动态频谱接入,降低跳变率。本论文的主要工作和创新包括:1.研究了先验信息全盲条件下的能量检测和噪声功率估计联合迭代算法。噪声功率是能量检测过程中的重要参量,而在系统先验信息全盲时无法直接获取噪声功率值,一种可行的方法是将噪声功率估计过程和能量检测过程相结合并迭代至收敛。通过分析三种不同的能量检测方法分别与噪声功率估计进行联合迭代时的性能,指出了算法的有效性和在低信噪比环境下的局限性。2.提出了一种基于功率谱线间相关性的改进能量检测算法。在功率谱密度中,连续多个信号频点的幅值之间具有相关性,而噪声频点之间不具有这种相关性,基于此种差异,再结合噪声功率估计技术,可以有效地从噪声中检测出低信噪比信号。改进算法在保持虚警率的同时能大大提高检测率,并且具有较低的复杂度。3.设计了 一种针对频谱感知数据的预测模型。首先通过分析频谱感知数据的特点和认知无线电对预测的需求选择时间序列预测方法(ARIMA),然后通过对综合了地理模型、传播模型和用户业务模型而产生的信源数据进行预测,验证了 ARIMA模型对频谱数据预测的适用性,并且提出了一种在线预测方式,有效提高预测精度,对结合即时频谱感知结果和频谱预测数据的动态频谱接入模型进行了研究。