随着无线通信技术向高频点、宽频带的方向发展,可用的无线通信频谱资源的稀缺逐渐成为限制无线通信技术发展的瓶颈。如何更有效地利用现有的频谱资源成为了亟待解决的问题,认知无线电技术使用频谱共享的机制来缓解这个问题,具体地说,通过在一个宽带通信频谱上动态地感知频谱空洞,查找未使用的空闲频段然后动态地接入系统。自然,认知无线电技术必须具有高效地动态频谱感知能力,然而,对宽带通信频谱的快速动态感知需要高速的ADC器件和DSP器件作为支撑,这将导致很高的成本甚至难以实现。然而,在宽频谱通信中,经常具有以下特点:①虽然感知频谱的带宽很大,但通信信号所占用的频带在整个通信频带上呈现稀疏分布;②为减小对其他通信用户的干扰,发送信号功率一般较低,从而接收端的所得信号的信噪也较低。利用第一个特点,并结合Candes和Donoho等提出的压缩感知理论,我们可通过随机观测对该通信频谱内的信号有效地完成采样,存储压缩采样的观测值并利用其进行频谱内信号的特征提取。针对第二个特点,可通过选择具有抑制干扰的特征量(如循环谱,高阶统计量等信号特征),或通过对压缩观测的样本进行干扰抑制,消除,滤波等预处理过程以增强性能。本文基于信号检测识别技术和压缩感知理论进行研究,主要研究内容和创新点如下:1、从压缩感知涉及的稀疏变换矩阵、重构算法等方面入手阐述压缩感知的相关理论,并对MASK、MPSK、MFSK、MQAM、OFDM等典型调制信号的循环统计特征的稀疏性的进行了分析及仿真验证;2、提出了从压缩观测样本在不重构原始信号的条件下直接恢复信号的二阶统计特征的方法,有效地降低了计算复杂度并同时减小了随机采样过程中的压缩比。3、建立了压缩域信号滤波的方法,通过对压缩观测信号进行噪声/干扰抑制,有效地提升了低信噪比下信号及其特征的重构精度并同时降低了对压缩采样比的要求。