随着无线通信业务的发展,对无线频谱资源的需求不断增加。因此,认知无线电网络中频谱感知的要求也扩展到对较宽频带范围内频谱接入机会的检测。按采样速率划分,宽带频谱感知可分为两类:基于奈奎斯特采样的宽带感知和基于压缩采样的宽带感知。前者以不低于奈奎斯特速率进行采样获取信号;而后者使用远低于奈奎斯特速率的采样速率获取信号。本论文研究基于压缩采样的宽带频谱感知方法,针对基于重构的压缩感知算法复杂度较高、测量矩阵的选取会影响压缩感知性能以及参与感知用户的位置会影响频谱感知决策结果等问题,根据宽带频谱感知应用于认知车联网系统时的特点,设计高效合理的算法,以降低计算复杂度,提高对信道噪声的鲁棒性。论文主要的工作及贡献如下:一、针对基于重构的压缩感知算法复杂度高且现有的压缩检测器仅适用于参数已知的确知信号的缺点,对含有未知参数的确知信号,提出了一种非重构压缩宽带频谱感知算法。该算法基于广义似然比准则,推导了时变幅值信号的理论检测性能界限,分析了计算复杂度。分别在Rayleigh和Rician这两种典型的无线衰落信道条件下进行仿真验证,研究了不同参数对检测器性能的影响。仿真结果表明,所提算法不仅避免了基于重构压缩感知算法的高计算复杂度,而且对宽带频谱感知信号具有较高的检测概率。二、针对测量矩阵设计的合理性会直接影响信号采样结果,进而影响基于非重构压缩频谱感知检测性能的问题,提出了一种采用优化测量矩阵的宽带频谱感知算法。该算法以Gram矩阵与逼近等角紧框架矩阵之差的F范数为目标函数,通过迭代的方式优化测量矩阵。将使用高斯随机矩阵与使用优化测量矩阵的宽带频谱感知算法性能进行了比较。仿真结果表明,相比于高斯随机矩阵,将优化的测量矩阵用于实现宽带频谱感知时,能减小稀疏基与测量矩阵的相关性,从而获得更优的检测性能。三、针对宽带协作频谱感知决策中,由于地形地貌、建筑物结构或分布密度等因素,使得接收信号可能出现严重的干扰或衰落,导致接收到的宽带感知结果不可靠的问题,提出了一种考虑认知用户位置可靠性的最优融合规则。根据认知用户所处环境的时空状态,赋予低信任值或高信任值。当一个认知用户移动到新的位置时,会分配能反映当前位置的新信任值,并将此作为对接收信号进行判决融合的依据。将基于位置可靠性的压缩感知方案与传统的硬组合判决方案进行了比较。仿真结果表明,与传统的协作频谱感知算法相比,该方法在高阴影区域具有更好的检测性能,满足了认知无线电网络用于城市环境中对感知结果可靠性的要求。