认知无线电旨在不影响主用户（PU）正常通信的前提下，由次用户（SU）通过动态频谱接入的方式共享和使用空闲频谱，解决频谱稀缺问题。频谱感知是认知无线电的一项关键技术，能够快速、可靠地检测出未被主用户占用的频谱空穴供次用户接入使用。次用户接入后不断监听信道，当主用户出现时，快速让出频谱，以达到充分利用频谱资源并且尽量保护主用户的目的。频谱感知技术频谱感知技术可归纳为单用户频谱感知和合作频谱感知两大类，其中单用户频谱感知又分为主用户发射机检测和主用户接收机检测；合作频谱感知又分为基于软融合的检测和基于硬判决融合的检测。噪声不确定性、信道衰落、多径效应等不良因素都制约了单用户频谱检测器的性能。现有的频谱感知算法大多是通过对主用户发射机所发送的信号进行检测，因而容易产生“隐蔽终端”现象。假如CR用户与主用户发射机之间有障碍物的遮挡，那么该CR用户很可能会受到阴影效应的影响而检测不到主用户发射机发送的信号。PU1和PU2之间正在进行通信，由于CR用户CR1和CR2均处于主用户发射机的信号覆盖范围之外，它们都检测不到主用户信号的存在，因此两个CR用户很可能使用相同的频带进行通信，于是它们便对PU1产生了干扰，此时PU1便是“隐蔽终端”。PU1和PU2之间正在进行通信，CR1虽然处于主用户发射机信号的覆盖范围内，但由于障碍物的存在，CR1受阴影效应的影响检测不到主用户信号，当CR1与CR2使用相同频带进行通信时就会干扰PU1的正常通信。多用户协同检测可以削弱多径衰落与阴影效应带来的影响、提高频谱检测能力。合作频谱感知技术合作频谱感知通常包括本地感知、感知信息传和感知信息融合三个阶段感知信息的融合是合作频谱感知技术的关键环节，数据融合算法性能的优劣对最终的判决结果影响重大。目前研究比较成熟且常用的数据融合算法有四种，它们分别是AND准则、OR准则、K秩准则，以及基于对数似然比的Chair-Varshney准则。能量检测传统的频谱感知方法中，认知用户以奈奎斯特采样速率对接收到的信号进行处理，然而需要感知的频谱宽度可能高达GHz，这样，需要处理的数据量非常大，无论从技术或是从成本上都是难以实现的。近年来出现的新理论——压缩感知理论，信号的采样和压缩同时以低速率进行，使采样和计算成本大大降低。压缩感知理论框架（CS）CS理论是在采样的同时进行压缩，利用信号的稀疏性，以远低于Nyquist采样率的速率对信号进行非自适应的测量编码。CS理论框架压缩感知理论主要包括信号的稀疏表示、编码测量和信号重构等三方面。信号的稀疏表示将信号投影到一组测量向量上，得到测量值，矩阵形式为：式中，是矩阵，是矩阵，是的测量矩阵。则有：式中：是矩阵，称为传感矩阵。由于测量值维数远远小于信号维数，求解式(2)的逆问题是一个病态问题，所以无法直接从的个测量值中解出信号。而式（3）中是稀疏的，即仅有K个非零系数，且，则利用信号稀疏分解算法，可以通过求解（3）的逆问题得到稀疏系数，代入（1）式得到信号。受限等距特性（RIP）信号的重构压缩感知实现的关键基于压缩感知的合作频谱感知该算法之所以具有可行性，在于它利用了宽带信号在频域的稀疏性（某一宽带范围内，在某一地点或某一时间只有少数频带被占用，而大部分频带处于空闲状态）。先利用感知矩阵对信号进行欠采样，然后利用压缩感知重构算法恢复出相应的信号，最后利用频谱感知算法对频域信号进行检测，也就完成了宽带频谱感知的任务。基于分布式压缩感知的合作频谱感知各CR用户并不对压缩采样数据进行重构，也不对全局信道做出判决，而是直接将压缩采样数据传送给控制中心，由控制中心进行联合重构，进而对重构信号集合进行全局判决。