无线通讯业务的蓬勃发展给世界带来了翻天覆地的变化,人们对无线通讯业务的迫切需求与可供使用的频谱资源极度稀缺这两者形成了巨大的矛盾。认知无线电技术是提高频谱利用率的有效手段,因此越来越引人关注。这种技术允许认知用户对授权用户的频谱资源进行复用,同时保证避免对授权用户造成有害干扰。频谱感知作为认知循环的第一个环节,对无线电环境中的频谱空穴进行检测,对系统的认知性能有重要影响。本文对目前已有的频谱感知算法进行整理和分析后发现,基于协方差矩阵分解的算法对特征值的利用不够充分,只利用了部分特征值的分布特性,同时这些算法的理论分析是基于无穷维度采样点,在实际场景中对于检测时间要求较长。本文将多天线系统应用在认知用户天线处,在小采样快速检测背景下,根据接收信号特征值的联合分布设计多种频谱感知算法。新的算法不仅满足检测性能的要求,同时减少了感知时间,大幅提高了频谱利用率。此外,目前已有的频谱感知算法的研究局限在时间维度、频率维度和地理维度,而在角度维度的探索,即空间频谱感知还处于起步阶段。本论文中,我们将阵列天线处理中的到达角(Angle Of Arrival,AOA)估计技术中的多重信号分类(Multiple Signal Classification,MUSIC)算法应用到频谱感知场景中。我们注意到MUSIC算法需要已知信源信号的数目,但是这个要求在大多数频谱感知场景中是不能达到的。因此,我们利用特征值加权方案设计出加权多重信号分类(Weighted Multiple Signal Classification,WMUSIC)算法,该算法无需估计信源信号数目。然后利用WMUSIC算法空间谱的最大最小谱值比,我们设计一种基于WMUSIC算法的盲频谱感知算法。新算法在满足检测性能的同时,保持了MUSIC算法的高峰值和高角度分辨率的特点,为频谱接入提供了到达角信息,进一步提高了频谱利用率。通过仿真证明了该算法的优异性能。