近年来，由于大量无线通信设备接入频谱，使得有限的频谱资源变得日益紧缺。并且，由于传统的无线电频谱资源分配采用的是静态固定的分配策略，非主用户不能在该分配策略下使用授权频段进行通信。这种分配策略会造成许多宝贵的无线电频谱资源经常空闲而没有得到合理有效利用的情况。认知无线电技术通过频谱感知和频谱共享技术能使非主用户充分使用空闲的授权频段，最大化的提高频谱利用率。压缩频谱感知技术利用采样信号在某一投影空间的稀疏特性，采用低于信号Nyquist采样速率对感知信号进行低速采样并重构，可以有效的地实现频谱感知，因而成为近年来频谱感知方向研究的热点。首先，本文介绍了压缩感知的概念，并详细阐述了压缩感知理论中信号的稀疏化，观测矩阵的选取和信号的重构算法三个关键技术的理论原理，并归纳总结了压缩感知理论的各种应用。其次，研究了一种基于稀疏度估计的两阶段压缩频谱感知算法(TSCS)。先通过蒙特卡罗仿真和曲线拟合的方法，得到信号的稀疏度，基于稀疏估计进行观测采样，实现两阶段压缩频谱感知算法。仿真和分析表明，与基于单步宽带压缩感知算法相比，所提算法具有与其近似的频谱感知性能，但减少了观测采样点数，提高了频谱感知的速度并减小了系统信号处理的开销。最后，基于USRP和GNU Radio平台的软件无线电技术，实现了能量感知频谱感知算法，通过感知本地频段和GSM以及wifi频段等不同主用户信号，给出了不同频段的信道占用情况。此外，还描述了基于此平台实现压缩感知算法的过程，并给出了实现的流程图。