随着无线通信技术的飞速发展,无线频谱资源成为稀缺资源,但部分频段的利用率却非常低,为了缓解频谱稀缺与频谱利用率低的矛盾,提出了认知无线电的概念。认知无线电技术实现的原理是在不影响主用户通信的条件下,允许次级用户接入频谱空洞共享无线资源。如何快速准确地检测频谱空洞,是认知无线电中实现动态频谱接入的一个重大挑战。频谱检测的首要任务是获取受测频段的信息,现代信号处理理论的基础是奈奎斯特采样定理,即采样速率至少是限带信号最高频率的二倍。无线业务的井喷式爆发,传统的模数转换器已不能满足当前的超宽带采样速率,压缩采样技术在通信领域的应用正是为了解决该难题。压缩采样理论研究证明,一个确定信号和图像可以从比奈奎斯特采样率更少的样本中重构。因此,基于压缩采样技术的频谱检测技术成为近来研究的热点。本文概要介绍了认知无线电中的频谱检测技术与压缩采样技术,重点关注基于压缩感知的循环特征检测算法,详细介绍了压缩采样的原理与实现,并分析了其与循环特征检测结合的可行性。压缩采样可以降低射频终端的采样速率,循环特征检测算法的循环谱具有高稀疏性,且该算法在低信噪比环境下仍有较好的检测性能,因此将二者结合可以实现超宽带频谱在低信噪比条件下的高效检测。本文主要内容包含以下几个方面：首先,本文对压缩采样技术与循环特征检测算法的实现原理进行了深入研究,并基于二者各自的特点,分析了两者技术结合的可行性。现实的通信信号均是调制后的信号,因此具有周期性,在循环谱上有明显的唯一性特征,可利用循环特征检测算法进行有效检测,但是循环特征检测最大的问题是需要更多的样本。深入研究发现循环谱有较高的稀疏度,符合压缩采样的条件,则可以对信号先进行压缩采样,再利用压缩样本来还原循环谱。因此,本文的研究重点是基于压缩感知的循环特征检测算法,且创新性地提出了基于循环特征检测动态压缩采样机制与基于小波变换与压缩感知的超宽带频谱检测器。其次,传统的压缩采样还原算法均是基于精确还原信号的条件,但是在频谱检测中,无需精确还原信号的详细信息,如信息速率、调制方式、载波频率等,而只需知道主用户是否占用当前信道,因此降低了还原准确度的要求。基于此,本文设计出了基于检测结果的动态采样反馈机制,旨在利用更少的采样样本检测出频谱空洞,进而实现超宽带频谱检测,提高检测效率,节省系统开销。然后,考虑到利用压缩采样样本直接还原循环特征谱是个非线性过程,其间会引入大量的噪声,进而影响频谱检测的性能。如果不对还原后的循环谱数据进行降噪处理,会大大地提高漏检概率,误导次级用户接入,干扰主用户通信。本文创新性地提出将还原后的循环谱看作一副双频率的灰度图像,检测所需的特征点对应着小波降噪处理的边缘点,利用压缩因子处理小波变换系数,将噪声的小波系数置为零,再进行小波逆变换还原成处理后的循环谱数据,最后进行频谱检测。基于小波变换和压缩感知设计的超宽带特征检测器相比现有检测器有更好的检测性能。最后,对全文进行了概括总结,分析了所提出的技术方案后续研究方向和有待进一步完善的建议。