近年来,无线通信网络接入设备急剧增加,频谱资源越发稀缺。认知无线电作为一种频谱共享技术,可处理频谱资源紧张与利用率低下之间的冲突问题。频谱检测作为认知无线电功能实现的关键,借助多用户协作能有效克服单用户检测的局限性。但现有检测技术面临着对检测设备要求高、对环境要求高和依赖先验信息等问题,检测性能还不能达到实际应用的需求。因此,研究快速而准确,且易于实现的频谱检测算法具有重要的理论意义和实用价值。针对上述问题,论文围绕基于似然比（Likelihood Ratios Test,LRT）的理想最优协作频谱检测算法进行研究,设计一种易于实现、低信噪比（小于0d B）下检测性能好且无需已知先验信息的频谱检测算法,论文主要工作如下:（1）针对小样本信道能量统计模型下理想最优的协作LRT检测算法难以实现的问题,论文推导了其等效算法,即基于能量检测的加权线性融合准则。由于全局决策统计量的分布难以导出,导致门限无法确定,针对该问题,论文提出了一种基于渐进门限的协作LRT频谱检测算法。该算法利用累积量匹配法获得伽马分布,以精确近似零假设检验统计量的分布,获得门限的闭式表达式。仿真表明,该算法计算简单,在低信噪比下具有较优检测性能,接近理想最优的检测算法。其渐进门限法精确度高、适用性强,同样适用于其他的加权线性软融合方案。（2）针对检测过程中先验信息未知的复合假设检验问题,论文提出了一种基于期望最大化算法的联合检测和估计算法,根据实际场景有选择地进行半盲和盲协作频谱检测。该算法通过直接从采集的能量信息中进行迭代学习,动态估计主用户信号状态的先验概率、信噪比和噪声方差等参数,从而在随时间缓慢变化的信道环境中自适应地调整门限和更新加权因子,完成协作频谱检测。仿真结果表明,所提算法是可行且有效的,具有较高的估计精度,保证了系统检测的性能。