对提高频谱资源利用率,缓解无线频谱资源紧张这一问题的最佳解决方案是认知无线电技术。作为认知无线电技术的基础,频谱感知技术的性能直接关系着系统的总体性能,因此开展此课题的研究具有重要的意义。频谱感知在实际环境中,易受噪声功率波动、低信噪比等条件影响,且在宽带频谱感知中,由于通信带宽不断增加,模数转换过程中采样速率过高问题凸显,对感知设备的要求越来越高。由于采样率过高、计算复杂度大、宽带压缩感知下要求频段是稀疏的频谱感知问题,本文对感知算法及策略进行了深入学习研究,主要内容如下:首先,对于认知无线电技术来说,重要的不是精确的重建出信号本身,而是精确的检测出空闲频段和被占用频段的位置。根据此思路,可利用有损压缩去精确重建信号的二阶统计信息而不再重建信号的本身来判断频谱的使用情况,因此不必假设信号在频段上是稀疏的,只需盲重建信号的功率值,降低了计算复杂度。此外,由于信号二阶统计量的结构具有拓普利兹、埃尔米特的特征,根据渐进一致性理论通过修正用来替换原始的样本协方差矩阵的大小并不随样本数量的增加而增加,而是保持一定的维度来满足似然函数的计算的便捷性和准确性,并保证修正矩阵的非奇异性,由此可大幅度的降低计算复杂度,减轻对硬件的要求;其次,为了解决现有异构网络频谱感知算法要求频段是稀疏的问题,提出了一种基于二阶统计量检测的协作式频谱感知算法。该算法利用授权频段上各类信号之间不存在相关性这一特点,首先选择感知用户中瞬时信道条件最好的几个用户作为感知用户,然后利用它们去检测各类信号在授权频段上的占用情况。在判断某类信号在授权频段上的使用情况时,可利用本文算法将它类信号的影响去除,即保证检测的准确性和可靠性又不增加检测复杂度。理论分析和仿真结果表明,所提算法保证了检测的有效性和可靠性。