认知无线电(Cognitive Radio, CR)理论的提出就是为了解决当前已授权的频谱资源利用率很低的问题,核心思想就是使无线通信设备具有发现“频谱空洞”并合理(在对授权用户不造成干扰的前提下)利用所发现“空洞”的能力。认知无线电理论的研究基于这样一个事实：在给定时刻或空间的宽频带内,只有很少的一些信道被授权用户占用,大部分信道处于空闲状态。上述问题从解析方法的角度描述则具有一定的稀疏性。压缩感知(Compressive Sensing, CS)基于目标数据集具有稀疏性或在特定域上可转换为稀疏表示,则原始数据集可进行降维表示,它与常规降维算法的主要区别在于CS只通过对目标数据的随机投影即可得到降维数据集。因此,CS理论非常合适于解决CR领域中的频谱探测问题。在实际无线传播环境中,通常多个认知用户构成一个认知网络,由于链路衰落、多径干扰、热噪声以及各种随机干扰等因素的影响,使得单个认知用户独立检测的可靠性难以得到保证。因此,本文研究场景为多用户构成的一个认知网络,应用CS理论解决认知用户的频谱探测问题,同时通过多用户之间的合作,提高频谱探测的精度,降低频谱探测的复杂度。本文针对不同的问题,分别提出了几种不同的基于CS的分布式认知网络的频谱探测算法。为了克服链路衰落和噪声,提出了一种集中式的压缩感知算法,让认知网络中的各个认知用户共同承担压缩感知所要求的采样点数,而各个用户采样点数与他们的信道环境有关；为了避免集中式处理所带来的同步及传输损耗等问题,提出了分布式CS算法,各个认知用户之间通过互信息进行协作；进一步,在上面两个算法的基础上,以感知任务的分摊为目标,提出了一种基于因素图的分布式CS算法。仿真结果及性能分析表明：在一定条件下,上述算法可较好的解决所面临的问题。