随着移动通信技术的快速发展及万物互联理念的提出,无线用户对频谱资源的需求急剧增加,然而固定分配频谱资源的策略造成了频谱利用率低下的问题,认知无线电技术中动态分配频谱资源的策略可以提高频谱资源的利用率。频谱检测技术是动态分配频谱资源的前提,若使用奈奎斯特采样定理对高频段的信号采样,则会出现采样率过高的问题。压缩感知技术可以实现对信号的亚采样,并通过算法重构出原始信号,根据重构信号对频谱占用状态进行判决。当考虑信号噪声的存在,压缩采样过程会使信号噪声成倍放大,这种现象叫做噪声折叠。噪声折叠现象,不仅会影响信号稀疏度估计的准确性,同时也会对信号重构阶段产生影响,针对上述问题,本文的主要工作如下:1.为了减小噪声折叠现象对稀疏度估计的影响,本文通过改进现有的稀疏度估计模型,先推导出观测向量中噪声的概率分布函数,并在稀疏度估计之前滤除观测样本中的噪声分量。然后,根据估计得到的稀疏度计算观测值数目,并改进自适应阈值去噪算法。仿真结果表明,所提方案能够较为准确地估计出带有信号噪声的信号稀疏度,在保证信号能够被准确重构的前提下减少了观测值数目,同时减少了自适应阈值去噪算法在时间上的开销,从而降低了噪声折叠现象对压缩感知的影响。2.针对现有选择性采样算法中构造加权采样矩阵时,所需先验信息较多且在实际情况中难以获得的问题,提出了一种新的加权采样矩阵构造方法。首先,利用预采样样本和感知矩阵中的信息构造出加权采样矩阵,并且说明了新的感知矩阵满足有限等距性。其次,由于重构信号中仍然存在少量信号噪声,因此提出了一种自适应选择重构次数算法,该算法把前后两次重构信号1-范数之差作为终止条件,以进一步提升频谱感知的准确性。仿真结果表明,该方案能够实现对宽带信号的选择性采样,同时能够根据不同的信噪比自适应选择重构次数,在保证信号能够被准确重构的前提下,平衡了时间开销和准确度之间的关系。