1.一种基于频谱特征的宽带频谱感知方法，其特征在于，所述方法采用瑞利衰落信道模型，将主用户的频谱特征当做唯一的先验条件，通过比较接收信号的功率谱密度与主用户的频谱信息，求出信号功率值和频谱占用情况；

所述方法首先建立基于瑞利衰落信道的信号传输模型，其次根据主用户和接收信号的自相关函数建立函数关系，然后对信号进行压缩采样，再利用基于频谱特征的压缩感知技术，采用相关匹配策略，通过保证残差自相关函数的半正定特性，利用l1-最小化公式推导出算法中的权值表示，最后利用加权正交匹配追踪(Weighted Orthogonal Matching Pursuit，WOMP)算法识别主用户占用的频谱，估计对应的功率值水平。

2.根据权利要求1所述的一种基于频谱特征的宽带频谱感知方法，其特征在于，所述方法建立基于瑞利衰落信道的信号传输模型包括：无线信号经过单径瑞利衰落及加性高斯白噪声(additive white gaussian noise，AWGN)的干扰，到达接收机，设置如下参数：x(t)是发送信号；α(t)是无线信道的衰落因子；为导致的传输损耗；ζ(t)为瑞利衰落随机过程；n(t)为加性高斯白噪声；i(t)为干扰。

3.根据权利要求1所述的一种基于频谱特征的宽带频谱感知方法，其特征在于，所述方法接收信号经过多陪集采样后自相关函数模型，包括：设 表示主用户可能的频率位置的集合，并且令 表示能包含 的网格，γi(τ)和γn(τ)分别表示干扰和噪声的自相关函数，p(ωm)是对应于主要用户的的发射功率，γcm(τ,ωm)表示参考信号xc(t)在载波频率ωm处的参考自相关函数，定义稀疏向量p为检测函数的输出，零值直接表明在ω处不存在主用户，非零值直接表明在ω处主用户存在；

所述方法对通过瑞利信道后的信号y(t)进行压缩采样，采用的是多陪集(Multi-coset,MC)采样：给定接收的多频带信号y(t)，在一定时刻ti(n)得到MC采样样本,其中L>0是适当的整数，i＝1,2...，k，n∈Z，集合{ci}包含从{0,1...，L-1}中选择的k个不同的整数，注意到MC采样过程被等效为经典的以块的形式进行奈奎斯特采样，从每块的L个样本中周期性保留k个样本，未丢弃的样本由集合{ci}指定，每个序列的周期等于LT；

所述方法将zf看做y(t)中均匀奈奎斯特采样样本的第f块，每块长度为L，多陪集采样后的总的样本数据可用Y表示，总块数为Nf，为了将采集的样本与原始奈奎斯特采样信号相关联，令yf表示每块的采样样本，每块有k个非均匀样本，Φ∈Ck×L是一个矩阵，它的作用是从zf中非均匀选择k个样本，Φ通过对单位矩阵IL非均匀抽取k行实现。

4.根据权利要求1所述的一种基于频谱特征的宽带频谱感知方法，其特征在于，所述方法基于相关匹配的压缩频谱感知，包括：令{Ry(k)}表示奈奎斯特采样信号{y(n)}的相关性，Ry是维度为L×L的相关矩阵，将{xc(n)}定义为奈奎斯特采样候选信号，{Rc(k)}定义为{xc(n)}的相关函数，相关矩阵 表示采样样本相关性的平均值，基带参考自相关H是从主用户的频谱特征中抽取出来的，将纯音的自相关函数用e(ωm)e(ωm)给L×1

出，e(ωm)∈C 是频率转向向量，利用e(ωm)在感知频率ωm处形成的秩为1的矩阵对Rc调制，调制参考相关性Rcm(ωm)必须也以对信号同样的方法进行压缩，利用相同的采Ry样矩阵Φ。

5.根据权利要求4所述的一种基于频谱特征的宽带频谱感知方法，其特征在于：所述方法将自相关函数模型重写成稀疏表示，是k2×1维的向量，由 的列级联形成，列的级联由运算符vec()表示，B包含主信号的频谱信息，并被定义为diag(rc)，其中rc是vec(Rc)，矩阵S定义了扫频网格，过完备字典的稀疏表示由矩阵BS给出。

6.根据权利要求5所述的一种基于频谱特征的宽带频谱感知方法，其特征在于，所述稀疏表示为：

其中 是由 的列的级联形成的。

7.根据权利要求1所述的一种基于频谱特征的宽带频谱感知方法，其特征在于，所述方法包括重构算法，所述重构算法中权值的选择必须满足以下条件：

1)p必须是稀疏的；

2) 为半正定矩阵；

3)对稀疏向量施加稀疏约束；

对 进行特征分解后，对每个ωm选取最大特征值的倒数 作为功率值

的边界值，在稀疏约束求解中，求解出相对应的权值w。