随着大数据、5G和物联网时代的到来,对数据的需求日益剧增,而数据的传输依赖有限的频谱资源。频谱共享的实现,离不开对频谱进行观测感知,奈奎斯特采样速率是传统频谱采集的最低要求,面对高频的5G时代,高的采样速率对硬件和资源利用是一个挑战,而压缩感知是一种欠采样的方法可以解决高采样率的问题。目前,用硬件实现欠采样的方法主要有两种:一是调制宽带转换器;二是多倍集采样。而调制宽带转换器在应用场景和器件要求上好于多倍集采样,故本文利用调制宽带转换器来进行宽带频谱感知,开展了如下研究:首先,调制宽带转换器需要伪随机序列对信号进行频谱搬移,本文对稀疏随机序列、二值随机序列、循环序列和高斯序列进行研究,对不同序列在硬件产生难易程度上和搬移能力上的优劣进行了比较,由于四种序列对应四种相应的观测矩阵,通过仿真实验分析比较了四种观测矩阵的重构性能,在应用中可以根据实际情况选出一种合适的矩阵。其次,结合现实感知的特点,探究如何更好的重构信号,本文在理解正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法的思想上,提出一种改进的自适用匹配追踪重构(Improve Adaptive Orthogonal Matching Pursuit,IAOMP)算法,通过设置两个不同的阀值来中止迭代。通过实验验证,本文所提的IAOMP算法与OMP算法效果相当,但排除了对稀疏度的依赖性,优于其它的需要稀疏度的贪婪算法;与AOMP算法相比,增加了一个限定阀值,时间开销少,相同的条件下重构误差较小。最后,为了解决调制宽带转换器(MWC)对多用户进行感知时需要根据用户数目调整信号处理的通道数的问题,本文基于反馈机理设计出一种能够自动增加通道数的系统——自适应调制宽带转换器系统(AMWC);同时,考虑到应用中子带数、稀疏度以及带宽难于测量的实际情况,引入信号稀疏度自适应正交匹配追踪算法(AOMP),实现频谱的自适应感知。通过仿真实验可以看到,AMWC结合AOMP算法不仅可以实现准确的频谱恢复,而且能够根据信号子带数来调节通道数,在感知性能和运算复杂度上优于固定通道数系统。