随着通信技术在各行各业上都发挥着它的作用,所需要的频谱资源在供给方面并没能达成一致,所以在有些方面,并不能充分合理的利用频谱资源,所以需要我们去完善频谱利用体系,从而进一步合理的利用好频谱资源,提高频谱的利用率。因此本文在系统梳理卫星认知网络特点和频谱共享典型应用场景的基础上,分析了频谱感知技术面临的主要挑战,重点针对卫星认知网络中待检测信号强度不断变化的特点以及卫星认知网络中噪声不确定性对能量检测算法进行改进研究,还考虑在不知道认知用户的先验消息的前提下,采用一种基于取样协方差矩阵特征值的盲检测算法。卫星通信系统和以往传统的陆地上的通信是有很大的区别的,怎么样把传统的频谱感知技术很好地与到GEO-LEO系统相结合在一起是一个研究的方向,针对这个问题,本文首先介绍分析了几种比较常用的频谱感知技术:较为经典的能量检测算法,基于取样协方差的检测算法等,分析了各个场景频谱感知的应用方式,并指出每个算法中存在的不足以及它们造成的影响,总结出不同场景下的检测算法的优劣势,以及具体的适用条件。然后简单介绍了频谱感知机制的研究。最后分析了卫星认知网络频谱感知技术所面临的一些问题:宽带频谱信息获取问题、微弱信号检测问题、频谱状态判决问题等。接下来,本文对卫星认知网络中的能量检测算法（ED）着重进行了研究分析。分析了传统能量检测算法的原理过程以及性能的好坏,并且进行了仿真实验对其的性能进行验证。然后在此基础上提出一种具有记忆性的能量检测算法,目的是为了应对卫星认知网络中信号瞬时功率下降的问题,并且对具有记忆的能量检测算法再进行一定的调整。最后为了削弱噪声不确定性带来的干扰,提出了双门限能量检测算法,然后进行仿真与分析,找到了其适用场景。然后,我们研究一种基于取样协方差矩阵特征值的检测算法（DASCM）。它主要是通过了相关的数学公式推论结果,来简化计算,从而能得出一个相对精确的判决门限。和传统的检测算法进行对比,这个算法得到的门限值要比原来的更准确,可信度高。通过多次的随机试验以及仿真,可以更好地发现基于取样协方差特征值算法的优势所在。