认知无线电通过利用无线环境中频谱空洞来提升频谱利用率,其核心技术之一是频谱感知。经典的频谱感知算法基于信号的时频空域信息对频谱占用情况进行感知。信号的极化域特征也是可区分授权信号和噪声信号的有用信息之一。近年来,课题组研究了利用信号极化域信息的感知算法,为频谱感知技术开辟了新的维度。但实际场景存在两个问题:信道的不理想特性造成双极化天线对信号的接收有一定角度,进而减小天线接收到的能量;滤波器不理想或环境的影响使得噪声不服从理想的高斯分布,进而改变接收信号统计特性,即到达角和非理想噪声都会降低极化域频谱感知算法性能。基于上述问题,本论文依托于北京高校青年英才计划专项《非正交极化认知无线电频谱共享理论与技术》和北京邮电大学青年科研创新计划专项《TD-LTE系统中基于认知无线电的极化频谱共享研究》,对存在到达角和非理想噪声场景下的极化域频谱感知算法进行研究。主要内容如下:(1)综述了频谱感知技术的基本原理并总结归纳了经典的时、频、空域感知算法,介绍了经典极化学及极化信号处理技术的主要应用场景,并且分析了现有极化域频谱感知算法。指出到达角和非理想噪声会使得极化域频谱感知算法性能变差。(2)针对到达角降低极化域频谱感知算法性能这一问题,对考虑到达角的极化域频谱感知进行了研究。建立感知模型的同时,分析了到达角对接收信号统计特性的影响,并且通过仿真验证了到达角使得极化域频谱感知算法性能恶化。针对这一问题,基于广义似然比检验(Generalized Likelihood Ratio Test,GLRT)理论,推导出最优的考虑到达角的极化盲频谱感知算法。最后,通过数值仿真证明,到达角存在时,新算法比与未考虑到达角的感知算法相比有7dB的性能优势。(3)针对非理想噪声降低极化域频谱感知算法性能这一问题,研究了联合考虑到达角和非理想噪声的极化域频谱感知。该内容根据噪声的具体分布差异,分为了两部分进行研究。功率不平衡的高斯噪声假设下,论文分别提出了基于GLRT的和基于预白化的考虑到达角的极化域频谱感知算法。并通过理论分析和数值仿真验证两种新算法以已有算法相比,分别有2dB和5dB的性能优势。非高斯噪声假设下,论文提出了非高斯噪声下考虑到达角的极化域盲感知算法,数值仿真证明噪声非高斯时,新算法与高斯白噪声假设下的算法相比有4dB性能优势。