对宽带频谱进行快速准确地感知是认知无线电技术的基础与关键。然而，现有硬件条件难以满足宽带频谱感知所需的高采样速率及处理海量采样数据的要求。压缩采样技术可以通过少量观测值实现对原稀疏信号的重构，但重构算法往往复杂度高。而在许多频谱感知应用中，信号重构并不是必须的。因此，本文运用压缩采样的方法来解决宽带频谱感知中的高速采样问题，并采用直接对压缩采样值进行处理或部分重构原信号的检测方法来降低运算量和复杂度，在保证检测结果准确性的前提下提高实时性。论文的主要工作和贡献如下：一、对随机信号和含未知参数的确知信号压缩检测技术进行建模和理论推导。建立基于非重构压缩采样的信号检测模型，推导针对含未知参数确知信号的最大似然检测算法，并在此基础上分析算法的检测性能。仿真证明了算法的正确性和优越性。二、针对稀疏度未知的随机信号检测问题，本文将压缩采样与序贯检测技术相结合，分别提出基于单节点非重构序贯压缩和分布式协作非重构序贯压缩的随机信号检测算法，使压缩比能够根据实际情况自适应调整。相比于普通的压缩检测，新算法显著减少了所需观测值数目，而且完全避免复杂的信号重构，节省时间和硬件资源开销。三、对基追踪降噪法中的内点法展开研究，提出基于部分重构的宽带频谱检测算法。使其迭代次数不再固定，而是根据部分重构后子信道的能量而改变。分别在稀疏度恒定与稀疏度变化的宽带频谱场景下进行了仿真。结果表明，部分重构算法可以在保证检测精度的情况下减少重构算法的迭代次数，降低运算时间，提高了检测的实时性。