当今社会，通信需求以及频谱需求日益增长，有限的频谱资源正成为制约无线通信发展的主要瓶颈。为了解决频谱稀缺问题，实现频谱的动态共享接入并提高频谱利用率，学术界提出了认知无线电技术。认知无线电技术[1-3]可以通过感知无线通信环境并进行自动学习，在不影响授权用户的正常通行的前提下进行动态的频谱接入，实现频谱资源的共享以及管理。认知无线电技术中的第一步是进行频谱感知，随着现代信息技术的发展，通信应用对带宽的要求越来越高。因此，频谱感知需要高效地检测出宽频段范围的频谱资源占用情况。一种频谱感知技术将信道划分成多个子频带并分别进行检测，但是这种技术检测效率太低。在Nyquist采样定理的约束下，宽带频谱感知需要很高的采样频谱，这样的采样频率会产生很大的开销及复杂度，而在现实应用中这样的开销往往是无法承受的。压缩感知理论通过一种新的信息采样的方法突破了Nyquist采样定理的限制，基于认知无线网络的特性，可以与宽带频谱感知技术相结合，大大降低采样频率。作为认知无线电技术中重要的一个环节，频谱感知的性能将直接影响着认知无线网络的效率，如何频谱感知的过程受到恶意的攻击和干扰将导致认知无线网络效率的急剧下滑，因此，本文也对频谱感知中的安全问题进行了研究。论文主要内容如下：第一，基于认知无线网络频域信号的固有稀疏性，结合了压缩感知技术与频谱感知技术以及分布式加权平均一致算法，提出了一种分布式宽带压缩频谱感知模型。该模型考虑了各感知节点的实际信道状况，可以降低状况较差的节点对频谱感知性能的消极影响，有效提高频谱感知性能。第二，研究了在分布式宽带压缩频谱感知模型中频谱感知的安全问题，在分布式信息融合阶段，恶意次用户节点会向CR网络中的其他节点发出误导数据以达到攻击频谱感知过程的目的，本文针对这类攻击模型提出了一种具有防御性的分布式宽带压缩频谱感知模型。第三，提出了一种新型的宽带SSDF攻击模型，这类攻击通过在宽带频段范围内随机的对少数子频段的频谱感知发起攻击，这种攻击更具有隐蔽性并且可以恶化受攻击频段的频谱感知性能，本文针对这类攻击提出具有防御性的分布式宽带压缩频谱感知模型，在防御攻击的同时利用了恶意节点的有用数据达到了更好的频谱感知性能。