认知无线电(Cognitive Radio, CR)是一种在现有的无线通信系统中引入动态频谱接入(Dynamic Spectrum Access, DSA)机制,从而有效提高频谱利用率的技术。次级用户(Secondary User, SU)通过频谱感知发现“频谱空洞”,在避免对授权用户(Primary User, PU)通信造成干扰的前提下伺机接入,可有效解决当前频谱政策下可分配频谱资源稀缺与已分配频段利用率低的矛盾。近年来,宽带频谱感知技术逐渐受到关注,它能够为SU提供更灵活的空闲频段接入选择,较传统的窄带频谱检测更具优势。然而,现有的宽带频谱感知方式均遵循经典的奈奎斯特(Nyquist)采样定理,以两倍于信号最高频率的采样率获得采样值,导致宽带感知的硬件实现代价较大。压缩感知(Compressed Sensing, CS)通过发掘信号的稀疏性,巧妙地将其采样与压缩过程结合为一个整体,实现了基于亚奈奎斯特(sub-Nyquist)采样率的信号信息采集,成为信号处理领域的一大突破。鉴于目前宽带无线频谱利用率低而具备的稀疏性,压缩频谱感知技术能够有效降低SU射频(Radio Frequency, RF)前端的采样压力,对突破宽带感知的带宽瓶颈具有重要意义。本论文基于CS理论,针对宽带频谱压缩感知中的低速采样、信号重建与检测等关键技术进行深入研究,旨在建立有效、可靠的宽带频谱感知方法,为其未来在认知无线系统中的应用奠定基础。本论文的主要研究工作和创新点如下：(1)在频谱支撑集不变的宽带流信号压缩感知研究方面,首先分析了传统单帧信号压缩感知易受噪声不确定性影响的不足,进而基于模拟-信息转换器建立了流信号的压缩感知模型,利用流信号不同帧之间由于频谱支撑集不变所具有的相关性,完成PU信号的重建与检测。特别地,本论文考虑实际情况下宽带频谱的稀疏度对SU是未知信息,进而提出了一种概率贪婪追踪(Probabilistic Greedy Pursuit, PGP)算法,通过在流信号的压缩感知过程中以贪婪方式动杰更新频谱支撑集的置信系数,实现了盲稀疏度条件下的宽带信号重建。仿真实验表明,该算法可以在未知信号稀疏度的前提下,获得较好的频谱重建精度和感知性能,且算法复杂度与传统方式相比具有优势。(2)在频谱支撑集时变的宽带流信号自适应压缩感知研究方面,首先围绕信号稀疏度未知这一前提,探讨了自适应压缩感知需要解决的问题,即采样率的自适应确定与调整,以及盲稀疏度下信号的重建。之后,基于流信号压缩感知与时变信号模型,提出了完整的自适应流压缩感知(Adaptive Streaming Compressed Sensing, ASCS)框架,其中,基于流信号信道占用信息相关度判决完成了采样率的自适应,并通过有限等距性质(Restricted Isometry Property, RIP)对该机制进行了分析；在此基础上,利用采样值序列与压缩感知矩阵列向量间内积的统计特性完成了流信号稀疏度估计的理论推导,进而提出基于频谱支撑集迭代估计的信号重建机制。仿真表明,ASCS能够在频谱支撑集时变的情况下自适应调整采样率,并保证较好的频谱检测性能。(3)针对协作压缩频谱感知的融合机制研究,本论文首先基于分布式认知无线网络场景建立了系统模型,并分析了在该场景下不同SU所感知的信号具备相同频谱支撑集特征,正是利用这一相关性特征使得不同SU的感知信息融合后,可有效提高认知无线网络的频谱感知性能。在此基础上,针对SU感知信道状态信息(Channel State Information, CSI)已知和未知两种情况,将融合机制分为频谱估计融合与频谱检测融合,并分别提出了基于信号差值的协作压缩频谱迭代估计,与基于频谱支撑集融合的协作压缩频谱迭代检测机制。仿真分析了上述两种融合机制在收敛速度、通信负荷与计算量上的优势。(4)针对块稀疏信号的协作压缩频谱感知研究,本论文首先阐述了块稀疏信号压缩感知的理论基础,其次指出对于非理想的块稀疏结构(非零子块的长度不一致),传统的块稀疏信号重建算法在未知非零子块边界的条件下将无法准确重建信号。为解决这一问题,提出了一种基于二元树的原子迭代搜索思路,并基于测量矩阵的零空间性质对其有效性进行了分析。以此为基础,针对分布式与集中式两种认知无线网络模型,分别提出了基于二元树的块自适应匹配追踪(Binary Tree-based Block Adaptive Matching Pursuit, BT-BAMP)算法和联合的基于二元树的块自适应匹配追踪(Simultaneous Binary Tree-based Block Adaptive Matching Pursuit, S-BTBAMP)算法用于协作压缩频谱感知。仿真结果证明了该算法思路对于信号块稀疏结构的普适性,同时通过协作方式进一步获得了频谱感知性能的提升。