1.一种基于最大特征值和主特征向量的双特征频谱感知方法，其特征在于它的处理过程为：首先，计算在当前感知时隙内接收到的信号的协方差矩阵的最大特征值及其对应的主特征向量，并计算在时刻上先于当前感知时隙的多个连续的感知时隙内各自接收到的信号的协方差矩阵的最大特征值及其对应的主特征向量；其次，根据在时刻上先于当前感知时隙的多个连续的感知时隙内各自接收到的信号的协方差矩阵的最大特征值及其对应的主特征向量，获得授权用户信号的协方差矩阵的主特征向量的估计值和高斯白噪声的协方差矩阵的最大特征值的估计值；再次，根据在当前感知时隙内接收到的信号的协方差矩阵的最大特征值和高斯白噪声的协方差矩阵的最大特征值的估计值，计算第一检验统计量值；并根据在当前感知时隙内接收到的信号的协方差矩阵的主特征向量和授权用户信号的协方差矩阵的主特征向量的估计值，计算第二检验统计量值；最后，通过比较第一检验统计量值与第一判决门限的大小及第二检验统计量值与第二判决门限的大小，来实现频谱感知，判定在当前感知时隙内是否存在授权用户信号。

2.根据权利要求1所述的一种基于最大特征值和主特征向量的双特征频谱感知方法，其特征在于它具体包括以下步骤：

步骤一：将当前时刻感知信号的感知时隙定义为当前感知时隙；然后计算在当前感知时隙内接收到的信号的协方差矩阵的最大特征值及其对应的主特征向量，对应记为αc和vc；

步骤二：选定时刻上先于当前感知时隙的N个连续的感知时隙，并将选定的每个感知时隙作为一个过去感知时隙；然后计算在每个过去感知时隙内接收到的信号的协方差矩阵的最大特征值及其对应的主特征向量；接着计算在每两个时刻相邻的过去感知时隙内各自接收到的信号的协方差矩阵的主特征向量之间的相关系数，作为第一相关系数，共计算得到N-1个第一相关系数；之后从N-1个第一相关系数中找出值最大的第一相关系数，并将该值最大的第一相关系数对应的在时刻上在后的过去感知时隙内接收到的信号的协方差矩阵的主特征向量作为授权用户信号的协方差矩阵的主特征向量的估计值，记为vs；再根据已获得的vs，计算vs与在每个过去感知时隙内接收到的信号的协方差矩阵的主特征向量之间的相关系数，作为第二相关系数，共计算得到N个第二相关系数；最后从N个第二相关系数中找出值最小的第二相关系数，并将该值最小的第二相关系数对应的接收到的信号的协方差矩阵的最大特征值作为高斯白噪声的协方差矩阵的最大特征值的估计值，记为αn；其中，N的取值为正整数，且N≥2；

步骤三：根据αc和αn计算第一检验统计量值，记为T1， 并根据vc和vs计算第二检验统计量值，记为T2，T2＝Re((vc)Hvs)，其中，Re()为取实部操作函数，(vc)H为vc的转置；

步骤四：通过比较第一检验统计量值T1与第一判决门限λ1的大小及第二检验统计量值T2与第二判决门限λ2的大小，来实现频谱感知，如果T1>λ1或T2>λ2，则判定在当前感知时隙内存在授权用户信号；否则，判定在当前感知时隙内不存在授权用户信号。

3.根据权利要求2所述的一种基于最大特征值和主特征向量的双特征频谱感知方法，其特征在于所述的步骤四中，λ1＝F1-1(1-0.5Pf)，λ2＝F2-1(1-0.5Pf)，其中，F1-1()为F1()的逆函数，F2-1()为F2()的逆函数，F1( )表示服从均值为 方差为的独立同分布的两个高斯随机变量之比的累积分布函数，F2()表示服从

均值为 方差为 的高斯随机变量的累积分布函数，M表示在每个感知时隙内接收到的信号的协方差矩阵的维数，M≥1， 表示高斯白噪声的功

率，K表示在每个感知时隙内的采样点数，K≥1，Pf表示设定的虚警概率，Pf∈[0,1]。