随着无线通信的快速发展,新的无线通信网络设备爆发式增长,用户对通信质量的要求也在不断提高,使得当前的频谱资源越来越稀缺。认知无线电技术为解决频谱资源短缺及提高频谱利用率提供了强有力的技术支撑,将是下一代通信网络的重要组成部分。为了寻找并确定空闲频谱资源,认知无线电的首要任务是频谱感知。当前对频谱感知的研究依然存在一些问题,原有的一些研究成果难以满足当前无线通信业务提出的新挑战,另外一些新的理论方法也给频谱感知问题的解决提供了新思路。因此本文对认知无线电中的频谱感知方法和策略进行了研究,主要研究工作如下:(1)为了解决传统协方差矩阵在协作频谱感知中容易受噪声波动影响的问题,将随机矩阵理论与多用户协作频谱感知模型相结合,提出一种基于协方差矩阵Cholesky分解的协作频谱感知方法。首先,根据协作频谱感知的特点建立协方差矩阵模型,分析其存在Wishart矩阵的特点;随后,利用随机矩阵理论和矩匹配方法,对协方差矩阵进行Cholesky分解,将分解后矩阵的最大特征值作为检测统计量,推导出检测门限并对其进行分析;最后,理论计算出噪声波动对检测门限的影响,举例说明算法的有效性,并对算法的复杂度进行分析。仿真实验表明,该方法能够在降低运算复杂度的同时减少噪声波动对算法的影响,具有较好的鲁棒性。(2)为了解决传统机器学习方法在频谱感知上检测性能差的问题,将深度学习理论应用到频谱感知领域,通过分析深度学习与模式识别的联系,建立用于频谱感知的深度学习网络模型,提出基于深度学习的频谱感知方法。针对二维协方差矩阵灰度图的特点,提出一种基于卷积神经网络的频谱感知方法。首先,通过分析采样信号的协方差矩阵模型,将频谱感知问题转化为图像处理问题;然后针对信号的协方差矩阵灰度图像,利用卷积神经网络分层地对训练数据进行学习,提取更加抽象的特征;最后将测试数据输入到训练好的卷积神经网络模型,完成频谱感知。仿真实验表明,该方法较其它机器学习方法在频谱感中具有更高的识别精度,并且在实时数据测试中能够有效完成频谱感知任务。(3)在多节点的分布式协作频谱感知中,由于多径衰落和阴影效应导致不同感知节点的感知能力不同,为了解决这些感知节点之间的组合问题,将微观经济学的博弈联盟理论应用到分布式协作频谱感知中,提出一种基于联盟博弈的分布式协作频谱感知策略。首先,分析协作频谱感知系统模型和相关参数,建立联盟效用函数来判断感知节点是否加入联盟协作频谱感知;随后,利用联盟形成规则将感知节点分成若干联盟,在单用户优先准则下进行信息交换,多次迭代后形成稳定的联盟分区结构;最后,联盟首领融合联盟分区内的频谱感知信息完成频谱感知。仿真结果表明,该策略提高了联盟形成的灵活性,能够获得更高的联盟有效值,在协作频谱感知中提高检测概率的同时降低了虚警概率,在分布式协作频谱感知中具有更好的频谱感知性能。(4)由于协作频谱感知固有的协作与分布特性,在感知过程中,容易遭到恶意用户的干扰,从而导致系统的不稳定,为了解决恶意用户的干扰问题,将强化学习和共识融合模型相结合,提出一种基于强化学习和共识融合的分布式协作频谱感知策略。首先,结合强化学习和共识融合的基础理论,建立分布式协作频谱感知模型;随后,通过强化学习从相邻节点选择合作用户进行共识融合,将与相邻用户交互产生的信誉值作为强化学习的奖励;最后,通过多次迭代过程降低恶意用户对感知网络的干扰,采用共识融合实现整体网络的频谱感知。仿真实验表明,该方法能够有效的识别恶意用户,使协作频谱感知网络具有一定的智能性和稳定性。本文将一些新方法理论应用到频谱感知问题中,并取得了一定的研究成果,对未来频谱感知的研究具有重要理论意义和参考价值。