En muchos entornos de comunicación prácticos, la presencia de ruido incierto y difícil de estimar plantea desafíos significativos para los sistemas de detección de espectro de radio cognitiva, especialmente cuando la distribución de ruido se desvía de la distribución gaussiana. Este artículo presenta una metodología de vanguardia de detección de espectro multi-antena que integra de manera sinérgica la descomposición completa de modo empírico de conjunto con ruido adaptativo (CEEMDAN), análisis de paquetes de ondas y entropía diferencial. La extracción de características de la señal comienza empleando la descomposición CEEMDAN y el análisis de paquetes de ondas para deshacerse del ruido de las señales recopiladas por los usuarios de antenas secundarias. Posteriormente, la entropía diferencial de las observaciones de señales preprocesadas sirve como vector de características para la detección de espectro. El módulo de detección de espectro utiliza el algoritmo de clasificación SVM para el entrenamiento, al mismo tiempo que incorpora el aprendizaje basado en oposición élite y el algoritmo de búsqueda de gorriones con variación genética para determinar los parámetros óptimos de la función del núcleo. Tras un exitoso entrenamiento, se deriva una función de decisión, que puede evitar la necesidad de derivación de umbral presente en los métodos convencionales de detección de espectro. La validación experimental de la metodología propuesta se lleva a cabo y se analiza exhaustivamente, demostrando de manera concluyente su notable eficacia en mejorar el rendimiento de la detección de espectro.