随着无线通信技术持续发展，人们对移动通信及无线接入业务的需求持续增长，可用的无线电频谱资源非常稀缺。认知无线电作为一种高效利用频谱资源的手段，越来越受到关注。频谱感知是认知无线电技术的基础，采用压缩感知方法可以以低于奈奎斯特采样率的速率来获得较好的重构信号，同时可减轻数字处理设备的压力。本论文研究分析了压缩频谱感知的新方法，主要研究了以下三点问题：第一，提出了引入模糊判决规则的一种协作压缩频谱感知方案。首先运用压缩感知方法低速采样重构出信号。之后以双门限能量检测为基础模型，引入模糊判决规则，给出了检测概率和虚警概率的闭合解析式。最后通过仿真证明了压缩频谱感知的性能及模糊区域对系统性能的影响。第二，提出了一种能降低通信开销的高效协作频谱感知算法。所提算法以单门限能量检测及等增益融合算法为基础，引入平滑因子，来达到减少发送次用户感知结果的目的。通过仿真证明了本章所提的高效感知算法相比传统方法，可以在不影响系统的检测性能的要求下，有效降低通信开销。第三，将基于梯度化算法的分布式协作压缩感知算法应用于认知网络，其中使用多跳模型。梯度化算法基于能量检测，具有可靠的感知性能和较少的能量消耗，并能快速收敛。仿真实验验证了算法的有效性。