认知无线电技术是近些年出现的一种新兴技术,它旨在通过频谱感知发现频谱机会以实现频谱资源的高效重复利用,被认为是解决当前无线电频谱资源紧缺的最有效的解决办法。在频谱感知中使用传统的采样方法在面对高频率和大带宽频谱时对硬件设备要求极高,此时压缩感知理论可以有效的解决这个问题。但在压缩感知中绝大部分测量和还原方法都需要确定待测信号的一些参数才能对信号进行精确的重构还原,面对完全未知的待测信号时这些方法的效果会变得很差,而这种情况是在实际频谱感知中经常会遇到的。本文针对这个问题展开研究,首先对于目前已有的一些压缩感知方法进行评估对比,发现这些方法中适合应用于盲频谱估计的技术特性,并对这些方法进行组合以及改进,研究一种在盲频谱感知情况下从压缩测量到信号重构均能够高效准确完成的新方法。本文的具体研究内容如下:1.针对很多压缩感知信号测量和还原方法不能适用于盲频谱感知的问题,本文整理了压缩感知系统中几种典型的压缩测量矩阵以及信号还原算法,对各种矩阵的构造特点以及还原算法的原理步骤进行说明,随后进行了一系列的仿真实验,评估这些矩阵和还原算法的性能。2.针对盲频谱感知情况下无法确定对频谱信号合适采样次数的问题,本文基于对矩阵构造特点和还原算法原理的研究,研究了一种由Toeplitz矩阵和BCSRVM还原算法组成的自适应采样的频谱感知算法,采用增量测量的策略,使算法在获取到足够的信息量能够将信号成功恢复时即停止测量,并通过仿真实验验证了算法的有效性。3.针对SAMP算法所采用的固定步长策略易出现过度估计的问题,本文详细分析了其能够对稀疏度自适应的原理,研究了一种基于迭代残差的变步长策略优化方法,这种变步长策略能够使算法兼具快速迭代和对信号稀疏度精确定位的优点。经实验验证,改进后的算法能够在快速重构信号的同时极大降低过度估计的可能。4.针对自适应采样的频谱感知算法执行效率不高的问题,本文首先将还原速度更快的改进SAMP算法引入到算法当中替代BCS-RVM算法,然后分析了测量信号包含信息量不足时估计信号的稀疏度变化趋势,研究了一种基于估计信号稀疏度的变增量测量策略,使算法能够减少在盲频谱感知情况下的对信号的恢复次数。仿真实验证明,优化后的算法能够在感知速度和感知精度方面均获得较大提升。