无线电频谱是一种宝贵的不可再生资源,在我国主要由国家无线电管理委员会统一授权使用。这种授权式的频谱分配方式可以避免各系统间的干扰,但由于各系统间频谱使用的不完全性,很容易造成频谱浪费。认知无线电技术正是基于以上考虑而提出的,它能够实现频谱动态分配,有效缓解当前频谱资源紧张的问题。在认知无线电中,认知用户采用频谱检测技术在授权信道内搜寻“频谱空洞”进行通信,可见频谱检测技术是保证认知无线电系统的关键技术。在宽带频谱感知中,传统方案都受限于A/D采样率的限制,每个感知前端只能在较窄的频率范围内进行检测,这很大程度上影响了宽带频谱检测的性能。而近些年提出的压缩感知技术可以有效解决这一问题。压缩感知技术的前提是信号是可压缩的或在某个变换基下是稀疏的,而频谱资源天然的频域稀疏性正好满足此条件。因此可以将压缩感知技术与频谱检测技术相结合来提高频谱检测的效率。本文主要对基于压缩感知的认知无线电频谱检测进行研究。首先,通过离散傅里叶变换,将原始时域信号投影到频域,使信号在频域具有稀疏性；然后通过高斯随机矩阵对得到的稀疏信号进行观测；最后,认知用户采用BP、MP、OMP、 CoSaMP、ICoSaMP算法进行重构,采用能量检测法进行频谱检测。仿真实验结果表明,在无噪、有噪环境下,ICoSaMP算法都能准确的恢复出原始信号,与其他几种常规恢复算法相比,ICoSaMP也能得到较为理想的重构误差。在频谱检测方面,ICoSaMP算法能够在算法复杂度和检测概率之间取得较为理想的折中。与MP、OMP、CoSaMP恢复算法相比,ICoSaMP算法不需要提前知道信号的稀疏度,这更加适用于实际的通信环境。多节点协作频谱检测能解决单节点检测的弊端,在提高频谱检测性能的同时,也能降低对感知条件的要求。但它同时也会造成额外的开销,如时延、能量损耗等。本文对复杂度较低的“硬”判决算法做了分析。