中文摘要：

宽带频谱感知所需的采样速率要求使得目前射频接收端的模-数转换器件已接近物理性能极限，而实际宽带频谱状态常常具有一定的稀疏性，故理论上存在降低采样速率的可能。本项目基于压缩采样理论，以分布系统中认知用户接收端获取的带噪观测为基础，针对宽带频谱状态在时间上具有的动态稀疏模式，通过构造序列压缩采样算法，研究动态频谱状态感知方案。其中，序列感知是以宽频带中频谱状态的适度变化为前提，通过压缩采样样本数进而降低寻优算法的复杂度；分布用户具有内在的空间分集性，通过建立基于自身观测的软信息描述，并与因子图上的消息进行关联，从而得到基于因子图描述的多用户协作感知模型，并通过和积算法，使不同认知用户之间的消息得以传递，从而完成不同认知用户的序列采样状态估计量的更新。将上述方案应用于工程系统，有可能为宽带频谱感知问题提供一种全新的技术途径。因此，本研究具有重要的理论意义和工程应用价值。

结论摘要：

针对稀疏信号特征，研究了压缩感知（Compressive Sensing, CS）框架下信号的采样和重构问题，并将其应用到认知无线电系统，以改善对主用户频谱感知的准确性和快捷性。研究内容包括借助约束等距性质，研究了通过正交匹配追踪算法来改善信号重构性能的方法和途径；针对未知稀疏度的信号，给出了一种自适应子空间追踪算法；提出了一种基于分布式部分可观测马尔科夫决策过程(Dec-POMDP)的多用户频谱接入算法；用因素图构建了多次用户局部感知信息的交换和全局感知信息的更新模型。围绕上述研究，共发表文章13篇，其中，期刊文章7篇，国际会议文章3篇，国内会议文章1篇，科技论文在线2篇，另有5篇文章在审。另外，申请专利2项。通过上述研究，对无线传播环境中认知问题的产生以及解决该问题所产生的各种方法和模型得到了更深刻的认识和理解，对未来认知无线电技术的应用具有一定的参考作用。