近几年移动互联网业务发展迅速,频谱资源越来越紧张,但同时有一些授权频段的频谱利用率很低,认知无线电技术对此提供了解决方案。认知无线电感知用户通过寻找空闲频谱资源,在不打扰授权用户使用的前提下接入频段工作实现频谱共享,提高了频谱了利用率。在此过程中,频谱检测是认知无线电的首要任务。当下无线通信业务所带来海量数据的存储传输需要很高的频率进行采样,这给硬件设备造成了压力,而压缩感知技术打破了奈奎斯特采样定律,能够以很低的频率进行采样,从而减轻了硬件的压力。压缩感知技术适用于稀疏信号,认知无线电中的频段具有时域和空域上的稀疏性,因此可以将压缩感知技术引入到认知无线电频谱检测中,从而提高认知无线电的工作性能。压缩频谱感知有多种算法,在匹配追踪类算法中包括了正交匹配追踪算法、正则化正交匹配追踪算法和稀疏自适应匹配追踪算法。本文对这三种算法进行了分析,通过仿真比较了三种算法的性能。本文对正则化正交匹配追踪算法进行了两个方面的改进。一方面将该算法进行第一次原子筛选匹配时所使用的内积法改为Dice系数的方法,改进的算法能够更好的突出向量各个分量之间的相似性。仿真结果显示,改进算法能够筛选得到更加逼近原信号的原子。另一方面对正则化正交匹配追踪算法的初始索引集进行了优化,将工作在黑空的信号信息作为已知的频谱信息,使得感知频段需要检测的信号更加稀疏,从而得到更好的重构效果,仿真结果表明,此种改进优化了感知性能。