频谱检测是认知无线电网络的重要环节，协同频谱检测可以克服阴影效应、多径衰落和隐藏终端等各种不确定因素的影响，根据不同的频谱检测技术可以采用不同的协同方式。本文主要针对认知无线电网络中协同频谱检测算法进行了深入研究。　　为了提高联合稀疏频谱环境下未知稀疏度信号的检测精度和速度，提出了一种联合稀疏可变步长的匹配追踪感知算法。算法根据信号内部及信号之间的相关性，首先利用一种原子匹配测试得到稀疏度的粗估计，然后采用变步长思想逼近全局最优支撑集，初始阶段利用大步长快速匹配以提高收敛速度，随后根据恢复情况减小步长以实现精确逼近,最终实现信号的精确重构。理论分析和仿真结果表明：该算法在一定程度上解决了SSAMP和SOMP算法在大稀疏度条件下运算量较大以及固定步长导致的欠估计和过估计问题，算法在检测概率和收敛速度上均优于SOMP和SSAMP算法，较好地实现了未知稀疏度信号的精确重建。　　循环平稳检测是认知无线电中进行频谱空穴检测的可靠方法，使用多个循环频率处的循环谱进行联合检测可以在低信噪比时有效检测出授权用户是否存在，但基于循环平稳特征的协同频谱检测使得认知用户和汇聚中心之间产生较大的通信量，为缓解通信压力、降低检测功耗，提出一种基于多循环频率集的协同频谱检测算法，其策略是只发送在检测统计量大于检测门限值的循环频率集合，汇聚中心根据接收的循环频率集合使用计数融合对频谱进行判决。仿真结果表明：算法利用了各单点循环频率上的循环谱信息，以较小的性能损失降低了传输开销，减小了汇聚节点判决的复杂度，提高了频谱判决的实时性。