认知无线电(Cognitive Radio,CR)可以在有限的频谱资源条件下显著提高频谱利用率。以授权用户宽频带范围作为检测目标的宽带频谱感知已成为CR研究新的发展方向。对于认知无线网络(Cognitive Radio Network,CRN)宽带频谱感知,利用压缩感知(Compressive Sensing,CS)可以减轻传统采样对硬件的要求,具有低功耗、低采样率和低计算量优势。此外,随着CRN节点密度的增加和网络覆盖面积的扩大,CRN对节点能量有效性提出了更高要求,绿色CRN逐渐成为未来CRN研究热点之一。论文研究了CRN中基于CS理论的宽带频谱感知算法,主要研究了多任务贝叶斯压缩感知(Bayesian Compressive Sensing,BCS)的宽带频谱检测算法。在此基础上,考虑了能量有效性问题,研究了基于能量有效性的BCS宽带频谱检测算法和基于能效优先的分布式压缩感知(Distributed Compressive Sensing,DCS)频谱检测与功率分配方案。以下是论文的具体研究工作:论文第一章介绍了研究的背景及意义,简要地介绍了认知无线网络的频谱检测以及高能效绿色认知无线电的概况,另外分别介绍了CS理论和基于CS的宽带频谱检测的研究现状,并在此基础上,阐述了基于能量有效性的宽带压缩频谱检测的研究现状。论文第二章论述了CS的理论框架,重点介绍了信号的稀疏变换、观测矩阵的设计以及信号的重构算法。此外,介绍了DCS的三种联合稀疏模型并详细介绍了DCS的凸松弛法和贪婪追踪重构法。论文第三章研究了基于贝叶斯压缩感知的宽带频谱检测算法。首先介绍了CRN中的宽带频谱检测以及贝叶斯压缩感知模型,然后研究了基于多任务BCS宽带频谱的检测,研究结果表明此方法可以实现重构均方误差(Mean Square Error,MSE)的快速收敛及检测性能的显著提高。同时,论文进一步研究了基于能量有效性的BCS宽带频谱检测,研究结果表明所提方法可以在较小的采样点数下满足宽带压缩频谱检测接收机特性曲线(Receiver Operation Characteristics,ROC)性能,保障了节点的能量有效性。论文第四章研究了基于DCS的高能效频谱检测与功率分配方法。该方法考虑了CR网络能量有效性与频谱有效性之间的折衷关系,利用分布式压缩感知子空间追踪(Distributed Compressive Sensing-Subspace Pursuit,DCS-SP)进行认知用户感知信号重构,根据信道能量累积进行频谱检测。此外,进一步研究了基于速率自适应(Rate Adaptation,RA)准则的节点功率分配方案。所提方法通过构造重构与检测阶段的加权能耗函数,综合考虑了重构均方误差、检测概率、用户功率分配比以及认知链路频带利用率等约束条件,数值求解该优化问题得到在不同的重构能耗权值和稀疏度情况下的系统最小加权能耗。研究结果表明,在低重构能耗权值与低稀疏度的情况下,所提方案的系统加权能耗较小。当认知用户满足近似等功率分配时的系统加权能耗可达最小值。此外,检测性能和认知链路频带利用率均与系统加权能耗存在着折衷关系。论文第五章为论文的总结与未来工作的展望。论文对基于DCS的高能效宽带压缩频谱检测问题进行了初步的研究探索,研究成果对于后续工作的开展具有重要的启发意义。