认知无线电（Cognitive Radio,CR）是一种智能频谱共享技术,能够通过感知周围无线环境发现并利用已授权频段内未被占用的空闲频段,实现不可再生频谱资源的再利用。频谱感知是实现CR技术的前提和先决条件。性能良好的频谱感知技术既能提升CR系统的频谱利用效率,又能避免认知用户对授权用户的有害干扰。宽带频谱感知能够为认知用户提供更多的频谱接入机会,因而受到研究学者的广泛关注。基于压缩感知（Compressive Sensing,CS）理论的宽带频谱感知方法利用宽带频谱具有的稀疏性实现宽带信号的欠奈奎斯特采样,降低了认知用户射频前端的采样压力,为突破宽带频谱感知的带宽瓶颈提供了一种有效的解决方案。本论文围绕宽带压缩频谱感知关键技术展开研究,主要工作和创新点概括如下:1.针对随机测量矩阵在现实应用中存储开销大、硬件实现困难的问题,提出一种相关性近似最优确定性测量矩阵的构造方法。首先利用有限域多项式构造一类稀疏方阵,然后将Hadamard矩阵或DFT矩阵嵌套入该方阵构造出一种相关性渐进最优的确定性测量矩阵。在此基础上,通过理论分析指出该类矩阵的相关性仍有冗余,并提出改进方法,进一步降低测量矩阵相关性,基本达到其相关性下确界（Welch界）。另外,针对已有测量矩阵优化算法重点关注矩阵相关性,忽视矩阵整体相关性的问题,提出一种能够同时降低测量矩阵相关性和整体相关性的算法。2.针对已有压缩感知稀疏度估计算法大部分需要多次重构信号频谱,计算复杂度较高的问题,提出一种基于压缩测量数据能量的稀疏度估计算法。利用大维随机矩阵谱分析理论推导分析压缩测量数据采样协方差矩阵的极限特征值概率密度函数,并以此为基础推导得到测量数据能量与稀疏度的对应关系。该方法仅需计算测量数据能量,故计算复杂度较低,同时算法综合考虑了测量数据采用协方差矩阵的特征值分布,故具有更好的稀疏度估计精度。3.针对已有块稀疏重构算法在稀疏块边界未知时,重构性能严重恶化的问题,提出一种加权双回溯匹配追踪算法,实现块稀疏信号的频谱重构。算法利用信号的块稀疏结构从两方面改善原有贪婪重构算法。一方面在迭代过程中利用加权的方式提升挑选到正确支撑集的概率,并给出权值的计算方法;另一方面采用双回溯方法剔除候选支撑集中信任度较低的支撑点,确保候选支撑集的准确性。相对于已有块稀疏重构算法,该算法在稀疏块边界未知时仍能保持较好的频谱重构性能。仿真结果表明,基于该算法的宽带压缩频谱感知具有更好的检测概率和虚警概率。4.针对噪声折叠现象严重影响宽带压缩频谱感知性能的问题,提出一种基于选择性测量的频谱重构算法,并在此基础上实现抑制噪声的宽带频谱感知。算法利用压缩测量数据估计宽带信号频谱每个位置包含信号分量的概率,然后利用该信息指导测量矩阵的优化,在压缩测量过程中智能的选择信号分量,抑制噪声分量,从而在噪声放大前将其消除,提高压缩测量数据信噪比。本文还指出通过增加压缩测量次数可以提升宽带信号频谱每个位置包含信号分量概率的计算准确度,进一步提升对噪声折叠现象的抑制。5.针对已有协作压缩频谱感知算法大部分基于信号频谱重构,计算复杂度较大且频谱感知性能受限于压缩感知重构条件的问题,提出一种无需重构宽带频谱的协作压缩频谱感知算法。协作认知用户分别对接收信号进行压缩测量,并对测量数据进行预处理,然后汇总于融合中心得到特征统计量,用于估计各子信道频谱能量。本文推导得到该特征统计量的概率分布特征,并结合最大后验概率准则推导得到判决门限,用于判定各子信道频谱占用情况。该算法无需重构宽带频谱,计算复杂度较低。同时,算法感知性能不受压缩感知重构条件限制,测量数据量不足造成的感知性能不佳,可通过增加协作认知用户数量或提高信噪比弥补,应用环境更为灵活。仿真结果表明,协作感知场景下,本文算法频谱感知性能优于基于联合稀疏重构的协作压缩频谱感知算法。