认知无线电技术要求认知用户能在宽频带上实现快速、准确地频谱感知，而基于奈奎斯特采样定理的传统频谱感知技术需要较高的采样率，在实际应用中面临着高采样率和高处理速率的技术瓶颈。近年来兴起的压缩感知理论能够以较低的采样速率实现稀疏信号的高概率重构，为实现低速率采样带来希望，本文基于这一理论，对宽带频谱检测技术展开研究。本文将压缩感知理论与无线信道的低利用率结合起来，研究了传统压缩感知算法在宽带频谱检测中的应用，主要包括基于L1范数的BP、BPDN和ADM算法，以及基于贪婪迭代思想的OMP、StOMP、CoSaMP和SP算法，并综合StOMP与CoSaMP算法的优点提出一种改进算法，提高了StOMP的抗噪性能，解决了CoSaMP算法对稀疏度的依赖问题。针对传统CS算法存在的观测矩阵规模较大、预估计稀疏度耗时且估计值不精确等问题，本文以调制宽带转换器(MWC)为采样方案，设计了适合认知无线电多频带信号的频谱检测算法。对比传统CS算法，该方案能够以低于奈奎斯特率的速率和较小规模的观测矩阵完成宽带频谱检测以及信号的恢复。该方案不但降低了采样速率，而且能得到较低的数字信号处理速率，这些低速率的数字信号可用于后端设备的通信，同时该方案没有对应用场景做过多的限制，使得其更具有实用价值。