当今无线电频谱的应用需求不断增加,导致可用的频谱资源变得非常有限。认知无线电技术是解决频谱资源匮乏问题的有效方案之一,其主要思想是在保证主用户正常通信的前提下将空闲频段让出,使得次用户可以临时性地共享此频谱资源。认知无线电系统要求次用户能对频谱空穴作出快速准确的判断,它是认知无线电系统进行通信的前提条件。判断频谱空穴是对信号先进行采集然后再分析的过程,由于模数转换器件对宽频信号的处理能力仍然有限,传统方法无法直接对宽带频谱空穴作出快速判断。压缩感知技术是一种数据采集与压缩同时进行的信号处理新技术,基于压缩感知技术的频谱检测能突破奈奎斯特采样速率的瓶颈对宽频信号进行快速处理,是近年来认知无线电技术中正在不断深入研究的课题。本论文在宽带压缩频谱感知技术已有的基础上进一步深入研究,所做的主要工作以及创新点内容如下:(1)基于认知用户分簇的协作压缩频谱感知。压缩感知实现了信号从模拟到信息的直接采集过程,压缩频谱感知是在频谱检测过程中采用了压缩感知技术。在多认知用户检测系统中,用户之间的参与协作能提高频谱检测概率,但距离融合中心较远的用户通常衰落较严重,这些用户的数据反而会使得总体感知性能恶化。本文将全部协作用户进行分簇处理,结合分布式压缩感知技术,构建了分簇协作频谱检测的系统模型,并在此基础上提出了一种基于分簇的联合匹配追踪算法。本系统中的各个簇头收集该簇内所有用户的压缩测量值,簇头将信息重构后计算出的信号能量值并送往融合中心,融合中心根据各簇信噪比对信号能量值进行加权处理。本创新点解决了边远用户所带来的负面影响问题,提高了多用户压缩数据的重构概率。本文提出的分簇协作压缩频谱感知方法能对所有待测子频带进行判决,能快速准确地给出频谱空穴的判定结果。(2)基于无线传感网的空频联合压缩感知技术。本文采用了无线传感网对宽带信号进行频谱检测,由于无线传感网节点的数据之间具有空间相关性,通过设计空间小波基可以使频谱数据在其上面表现出稀疏性。本文设计了与无线传感网频谱检测相适应的投影矩阵,研究了多个传感网节点在不同频段感知时的分工与协作,利用小波提升技术提取了节点数据之间的相关性。通过设计合理有效的小波基,降低单节点的计算复杂度并利用节点之间的数据相关性,提出了频谱数据在空间小波基上的稀疏表示方法。本文建立了数据在频域和空域二维同时压缩感知的模型,并提出了空频压缩感知联合重构算法,解决了一维压缩下重构效果欠佳的问题。仿真结果表明,在总压缩比相同的情况下,本文算法的重构概率高于一维压缩下的重构概率,并能够对频谱空穴做出准确的判断。(3)基于投影矩阵与自适应过程联合优化的压缩频谱感知。投影矩阵的优劣直接影响到压缩感知的重构效果,通过减少投影矩阵列向量之间的相关性可以提高重构概率。当列向量之间的相似程度越高时,重构算法中的基追踪能力就越弱。为了提高压缩频谱感知中的检测概率,需要设计出合适的投影矩阵并进行优化。本文研究了如何减少投影矩阵列向量之间的相关性,设计出了压缩频谱感知中优化投影矩阵的方案。另外,压缩感知中的观测次数也影响到重构准确度,为了选取合适的观测次数,本文利用序贯测量的方法来调整投影矩阵的大小,无需通过重构即能估计出误差值,并提出了压缩频谱感知中投影矩阵的自适应方法。本文结合投影矩阵优化与观测次数自适应的特点,构建了基于投影矩阵与自适应过程联合优化实现的模型,提出了宽频检测中的稀疏自适应匹配追踪优化算法,解决了如何寻求最佳投影矩阵的问题。仿真结果表明该算法下的性能优于未经优化的传统方法。(4)基于改进相关向量机的分布式贝叶斯压缩频谱感知技术。尽管通常情况下待测信号频谱是未知的,但主用户对频段的占用情况往往与历史经验相关,因而具备了一定的先验概率分布的特性。贝叶斯压缩感知能有效地利用频段占用的先验知识,使其在检测频谱空穴时具有一定优势。本文通过分析贝叶斯压缩频谱感知中压缩与重构的详细过程,研究了贝叶斯回归与分类模型,讨论了经典贝叶斯压缩重构算法与拉普拉斯分层先验重构算法。根据分布式感知节点的特点,本文进一步探讨了分布式贝叶斯压缩感知的频谱重构技术,通过修改多个用户联合贝叶斯重构的目标函数,建立了宽带分布式贝叶斯压缩频谱感知模型,提出一种分布式鲁棒性相关向量机算法,解决了单用户中鲁棒性不强的问题。仿真结果表明,该算法能有效地去除异常值,提高频谱检测概率。