随着无线通信技术的不断进步,无线应用和服务的数量快速增长,频谱资源日益成为一种稀缺资源。可将频谱固定分配给特定用户使用的方式使频谱资源的利用率很低。认知无线电(Cognitive Radio, CR)技术的出现有效的解决了这个问题。频谱感知技术是CR系统的基础,次级用户(Secondary User, SU)通过频谱感知寻找“频谱空穴”,在不影响主用户(?)(Primary User, PU)正常工作的情况下伺机接入并利用授权频段进行通信。目前大部分频谱感知方式都按照奈奎斯特(Nyquist)采样定理,以两倍于信号最高频率的采样率进行采样,在面对宽带频谱感知的情况时,巨大的数据量难以处理,硬件也难以实现。压缩感知(Compressive Sensing, CS)理论是一种通过较少的采样值来恢复原始信号的方法,所需的采样值远少于传统的采样方法,能够以较低速率对信号采样并精确重构。宽带频谱中存在许多没有被充分利用的频谱资源(这是认知无线电技术应用的前提),具有明显的频谱稀疏性。利用CS技术可以有效的实现对宽频带的检测。本文主要围绕宽带频谱感知技术展开研究分析。首先分析了频谱感知和压缩感知的基本方法和原理,利用调制宽带转换系统(Modulated Wideband Converter, MWC)对宽带连续信号进行压缩采样并重构。针对无线环境中信号的稀疏度难以确定这一特点,研究分析了稀疏自适应匹配追踪算法(Sparsity Adaptive Matching Pursuit, SAMP)及其改进算法,在信号稀疏度未知的情况下精确的恢复原始信号。然后时传统协作频谱感知模型进行了改进,根据各个SU本地检测的可信度,给其设置不同的权值,使其能量检测的门限值动态变化。在协作频谱感知改进模型中引入压缩感知技术,建立了宽带频谱感知系统模型。各SU利用MWC对宽带信号进行压缩采样并重构,根据能量检测方法判断出宽频带内各子带的占用情况,实现对宽带频谱的检测。仿真结果表明该算法可以精确的重构出原始宽带信号,检测宽带频谱的占用状况,实现了对宽带频谱的检测,提高了系统的检测概率。