本文主要对宽带频谱感知问题进行研究,宽带频谱感知又叫做多频带信号频谱感知,主要是指检测的频带内同时有多个信号需要感知。和窄带频谱感知不同的是,窄带频谱感知只是检测信号的有无,只需要检测一个信号,宽带频谱感知一次需要检测多个信号,并且检测时不知道信号个数。因此传统的频谱感知方法,如能量检测,匹配滤波检测和循环平稳检测并不适用。有一些研究先假设信号个数已知,再进行进一步的频谱感知,这种假设不符合实际情况。本文提出了一种用于宽带频谱感知的聚类方法,提出的聚类方法基于狄利克雷过程混合模型,该模型可以根据从信号的频谱或循环谱中提取的特征推断信号的数量和载频。该算法不需要明确知道现有信号的个数,本文假设簇参数是从混合模型中提取出的,通过吉布斯采样,确定最适合观测数据的聚类参数。本文的具体研究内容如下:首先,由于目前对于宽带频谱感知的相关定义没有明确标准,相关的参数也没有统一的定义,本文对宽带频谱感知的系统模型进行了设计说明,说明了检测频带带宽,信号带宽,信号之间的关系,信号的形式,以及本文中信噪比的定义。由于本文处理的是宽带信号问题,对接收到的信号进行采样之前进行下变频处理。其次,本文对高斯信道下接收到的宽带信号进行分析,对宽带频谱感知问题和狄利克雷过程混合模型分析对比,证明狄利克雷过程混合模型可以适用于宽带频谱感知问题,不需要精确的信号个数,需要一个信号可能出现的最大个数,可由经验统计得到,再塌缩式地更新信号个数。本文选取了两种信号特征,功率谱特征和循环谱特征,从理论上分析,循环谱的抗噪声性比功率谱好,但是同时循环谱的计算复杂度也比功率谱更高。本文分别从功率谱和循环谱中提取特征,使用基于狄利克雷过程混合模型的方法进行聚类,对性能进行仿真分析,验证了使用循环谱做特征性能更好同时复杂度更高。最后,本文对衰落信道下的宽带频谱感知问题进行分析,建模非频率选择性慢衰落信道下的接收到的无线信号,通过将认知用户感知信号的方式由单节点改变为多用户频谱感知来降低信号衰落的影响。多用户频谱感知虽然能提升感知性能,但是数据量变大了,本文尝试采用压缩感知采样恢复的循环谱进行频谱感知,并仿真分析了它与奈奎斯特采样恢复的循环谱以及功率谱的性能,并仿真分析压缩比对算法性能的影响。本文使用载频在2.4G附近ISM波段的信号进行仿真分析,并在高斯下和衰落信道下分别使用基于狄利克雷过程混合模型的算法和K-means算法进行宽带频谱感知,和K-means算法相比,本文的算法不需要已知信号的个数,但是性能相近。本文对信号个数未知的宽带频谱感知问题,定义了成功率,错检率,漏检率以及平均绝对误差等指标来衡量算法性能。