随着近年来信息技术的飞速发展，频谱资源匮乏的问题日益严峻。认知无线电技术可以有效提高频谱利用率，因而成为新的研究热点。频谱感知是认知无线电的重要组成部分，它的性能对于认知无线电的实现有着非常重要的影响。认知无线电要求快速准确地对宽带频谱进行感知，这就需要模数转换器(ADC)有很高的采样速率。近年来提出的压缩感知理论可以以低于Nyqusit采样率的速率较好地重构频谱信号。在宽带认知无线电系统中，主用户信号在频域上具有稀疏特性，符合压缩感知理论的前提条件。本文对基于压缩感知的频谱感知算法进行了研究和分析。　　压缩感知的关键问题是信号重构算法。由于频谱是动态变化的，实际上很难获得频谱信号的稀疏度。针对未知稀疏度频谱信号的重构问题，本文提出了一种新的压缩感知重构算法—一种自适应的弱选择压缩采样匹配追踪(AWSCMP)算法。该算法将自适应思想、弱选择思想与回退筛选思想相结合，在预选阶段后通过限制性弱选择方法对候选集进行二次筛选，再回退筛选得到支撑集，然后利用双迭代阈值自适应地调整最终支撑集的原子数，分阶段逼近实际稀疏度。此外，引入若干可靠性验证条件以保证算法的正确有效进行，最终实现了信号的精确重构。MATLAB仿真结果表明，本算法可以有效地重构稀疏信号，获得同一般方法相比最好的重构概率，而且算法的运行时间也比较低，算法整体性能较优。　　无线环境中存在阴影、衰落和隐藏终端问题，会影响宽带压缩频谱感知的检测性能。单点检测缺乏对检测对象整体性和系统性的考虑，在准确性和可靠性等方面有一定的不足。针对这一问题，本文提出了一种改进的基于双门限能量检测的多节点协作频谱感知算法，该算法选取噪声不确定性条件下两个不同的门限值作为判决条件，对处于双门限之外和双门限之间的认知用户分别用不同的协作检测算法进行处理，并在融合中心利用OR准则进行协作检测。最后，本文建立了基于压缩感知AWSCMP算法的协作频谱感知系统模型。该模型采用AWSCMP算法进行压缩采样和频谱信号重构，然后利用提出的双门限协作频谱感知算法做出主用户是否存在的最终判决。仿真结果显示，与单节点感知和传统的单门限及双门限频谱感知效果相比，本文基于压缩感知的协作频谱感知算法可以有效提升系统的检测性能。