频谱是无线通信系统的宝贵资源,现有无线通信频段存在大量的频谱空洞,具备再利用的潜力。由于认知无线电技术能够对频谱空洞进行高效地利用,因而近年来受到研究人员的广泛关注。认知无线电系统实现的前提是对模拟信号的采样,然而如果采用传统的奈奎斯特采样率对宽带信号进行采样,对硬件技术及其成本都是极大的挑战。压缩感知理论由于在处理稀疏信号具有特有的优势,所以被广泛的应用到宽带信号频谱感知中。由压缩感知理论可知,如果信号是稀疏的,可以用一个算子矩阵对信号进行线性映射,并能通过一定的重构算法恢复出原始信号。压缩感知下信号的采样率不再取决于信号的带宽,而取决于信号的稀疏程度,信号的稀疏性越强,所需的采样速率越低。在进行宽带频谱感知时,在没有协作的前提下,信号的稀疏度往往不被感知用户获知并且是不断变化的,所以感知用户很难确定合适的采样率来节省硬件开销。其次,由于信号稀疏度的未知性,所以以需要在盲稀疏度的条件下对频谱的进行感知。为了解决上述问题,本文的研究内容如下:首先,设计了宽带频谱感知的系统模型,对主用户的信号形式、信道传输条件、感知用户获得信号的方式进行建模。然后分析了模拟信号的压缩感知方法,即如何从模拟信号直接获得压缩后的数字信号。其次,为了实现采样率的动态调整,设计了一种信号稀疏度的估计方法,并对估计准确性进行了理论和仿真分析。为了实现盲稀疏度条件下的频谱检测,设计了盲稀疏度下的信号重构算法并进行了理论分析。定义迭代贡献值为相邻两次迭代的残差的差值,当迭代贡献值小于门限时,终止迭代过程。当以迭代贡献值作为判决条件时,比单纯的以残差的大小作为判决条件更为准确。最后分析了压缩采样系统输入信噪比和输出信噪比的关系,论述了压缩采样的噪声来源及其衡量标准,得到压缩采样后信噪比的表达式。进而得到输出信噪比受三个因素的影响:输入信噪比、压缩采样率以及信号的稀疏度。根据上述对压缩感知信噪比的分析,提出动态采样调整的准则:当其他条件发生变化时,维持一定输出信噪比,进而保证了所需的检测性能。仿真结果表明,该动态模型能够随着信号稀疏度的变化而调整压缩采样率,并且在输入信噪比较低时,能够达到所需的检测性能。