Die unzureichende Nutzung des Frequenzspektrums und das wachsende Problem der Frequenzknappheit haben zu einer Neubewertung der Nutzung des Funkfrequenzspektrums geführt. Die kognitive Funktechnologie ist eine Lösung, die die Nutzung des Spektrums durch eine systematische Nutzung der knappen Ressource durch opportunistischen Frequenzzugang verbessert. Unter den vielen verfügbaren Spectrum-Sensing-Algorithmen wird der Energy Detector (ED) bevorzugt, da er keine Vorabinformationen über die Signale der Primärnutzer benötigt und eine geringe Rechenkomplexität aufweist. Allerdings ist die Leistung des ED direkt proportional zum Signal-Rausch-Verhältnis (SNR), was zu einer schlechten Leistung bei niedrigem SNR-Regime führt. Um das Erkennungsproblem bei niedrigem SNR zu lindern, wird eine auf der diskreten Wavelet-Transformation (DWT) basierende Rauschunterdrückung des primären Nutzersignals im vorderen Teil der ED angewendet. Die Auswirkung der Rauschunterdrückung vor der ED wird durchden Einsatz von sechs verschiedenen Mutter-Wavelets wie Haar, Daubechies, BiorSplines, ReverseBior, Coiflets und Fejer-Korovkin analysiert. Die Simulationsergebnisse haben gezeigt, dass der Reverse-Bior-Mutter-Wavelet-Ansatz alle Leistungsmatrizen verbessert.