频谱感知是认知无线网络中的核心技术之一。频谱感知可以检测授权用户是否存在,以确保认知用户能够利用频谱空洞。由于奈奎斯特采样定理的限制,现有硬件难以使用奈奎斯特采样速率在宽带环境中实行频谱感知。因此,研究人员将压缩感知引入到宽带频谱感知中以降低采样速率。同时,由于硬件条件和无线环境的限制,单个用户不能精确地检测频谱。多个用户可以通过协作频谱感知提高检测性能并缩短检测时间。协作频谱感知也带来问题,例如信息交换将消耗额外的能量和时间,协作工作将遭受恶意用户的困扰。本文以宽带压缩感知为基础,对宽带协作频谱感知中的抗噪声和抗攻击性能进行研究。通过引入部分先验信息与机器学习算法,本文提出鲁棒的宽带频谱感知算法,为宽带认知无线网络的实用化做出了贡献。本文的主要创新点如下:1、我们提出了一种基于权重策略的分布式贝叶斯压缩感知融合算法来达到噪声的目的。贝叶斯压缩感知算法在本身在抵抗噪声方面有着明显的优势。本章从传统的软判决模型出发,结合协作贝叶斯压缩感知模型,提出了基于权重策略的分布式贝叶斯压缩感知融合算法。除了传统的等增益合并,最大比合并以外,我们又提出了基于历史信息的合并和贝叶斯压缩算法特有的基于错误条的合并。2、我们提出了一种基于角度的恶意用户检测机制来抵抗攻击。频谱感知中存在一种向融合中心发送篡改后的信号,来干扰正常的频谱感知过程的恶意用户。它们对认知无线网络的安全产生威胁。这种攻击方式称为频谱感知数据篡改攻击。在研究了宽带环境下攻防行为的基础上,本文提出了基于角度的恶意用户检测机制,此方法采用了基于角度的离群点检测。相比于传统的基于距离的恶意用户检测方法,基于角度的恶意用户检测在宽带环境下性能有较大的提升。仿真结果表明本文提出的方法能够很好的检测独立恶意用户的存在。3、我们提出了一种基于密度的恶意用户检测机制来抵抗攻击。在攻击过程中,恶意用户之间通过协作,对认知无线网络产生更大的威胁。本文提出了一种基于密度的恶意用户检测来抵抗独立攻击与协作攻击,此方法源于密度聚类的算法。并且与分布式压缩感知兼容。仿真结果表明本文所提出的方法能够较好的检测独立恶意用户和协作恶意用户的存在。