1.认知无线网络中基于监督学习的协作宽带压缩频谱检测方法，其特征在于，包括以下步骤：融合中心对认知无线网络中的次用户进行划分，分为若干个次用户群，并为每个次用户群设置窗口长度，依据窗口长度分别为每个次用户群划分整个宽带频谱；

利用监督学习算法，使用采样向量的二范数和子频谱块长度作为特征向量，使用梯度下降法或支撑向量回归训练自适应稀疏度预测模型；

采用协作宽带频谱筛选算法找到宽带频谱中的稀疏频谱集，通过比较请求接入的次用户数目来确定最终的待重构频谱集，最后使用稀疏度自适应匹配追踪算法对待重构频谱集进行频谱重构，确定空闲信道，完成频谱检测。

2.根据权利要求1所述认知无线网络中基于监督学习的协作宽带压缩频谱检测方法，其特征在于：所述融合中心对认知无线网络中的次用户进行划分具体包括，将网络中的所有次用户划分为m个次用户群，每个次用户群都有n个次用户，SUij表示第i个次用户群的第j个次用户，融合中心根据窗口大小将宽带谱分为若干块，即N＝aiWi+li，其中Wi表示融合中心为第i个次用户群设置的窗口大小，ai表示第i个次用户群中频谱长度为Wi的子频谱块数，li表示剩余频谱块长度，N表示信道个数，对于任意次用户群，融合中心根据窗口大小将宽带频谱划分为ai+1个子频谱块。

3.根据权利要求1所述认知无线网络中基于监督学习的协作宽带压缩频谱检测方法，其特征在于：所述自适应稀疏度预测模型包括：构造稀疏随机矩阵A＝ΘG，Θ是一个M×N的矩阵，它的每一列有d个非零元素，其值为矩阵G是一个对角矩阵，其对角线元素等概率取±1；

将特征向量带入梯度下降法或支撑向量回归中，得到相应的预测模型；预测模型的输入为特征向量z，z＝[||yi1||2,...,||yij||2,...,||yin||,si]，i＝[1,m]，其中yij表示第i个次用户群的第j个用户的压缩采样样本，si表示第i个次用户群所采样的子频谱块长度；模型的输出为相应子频谱块的稀疏度k，通过训练样本，得到最优的权值向量w。

4.根据权利要求3所述认知无线网络中基于监督学习的协作宽带压缩频谱检测方法，其特征在于：所述梯度下降法将稀疏度预测函数建模为特征向量的线性函数，即其中w为权值向量，b为位移量，kw(z)为模型预测结果，那么代(l) (l)

价函数 L表示训练样本数目，z 表示第l组训练样本，k 表示第l

组训练样本对应的稀疏度；接下来使用梯度下降法来搜索最优的权值向量使得J(w)最小，权值更新公式如下： μ表示步长。

5.根据权利要求3所述认知无线网络中基于监督学习的协作宽带压缩频谱检测方法，其特征在于：所述支撑向量回归需要在满足误差小于阈值ε的情况下寻找最佳线性回归函数，需要解决的优化问题如下：s.t. ki-(wTzi+b)＜ε+ξi

其中P是惩罚因子，ξi和 是松弛变量，分别代表上下边界的松弛因子，w为权值向量，b为位移量，ki表示在训练预测模型时使用第i组训练样本时的输出，其代价函数J为：其中αi、 αj、 为拉格朗日乘子，zi、zj分别表示第i组和第j组训练样本。

6.根据权利要求5所述认知无线网络中基于监督学习的协作宽带压缩频谱检测方法，其特征在于：当数据集是线性不可分时，将所述支撑向量回归中的代价函数，使用核函数将数据集转换到高维空间，以执行线性分离。

7.根据权利要求1-6任一项所述认知无线网络中基于监督学习的协作宽带压缩频谱检测方法，其特征在于：所述协作宽带频谱筛选算法具体包括以下步骤：每个次用户利用预测模型对子频谱带的占用水平进行划分，并将划分结果发送给融合中心；

融合中心对所有次用户群的划分结果进行处理，通过对所有标记为占用水平低的频谱块做交集得到最稀疏频谱集C1，通过对所有标记为占用水平低的频谱块做并集得到次稀疏频谱次C2；

比较请求接入的次用户数目SUs与C1的稀疏度预测值k1的大小，如果SUs>k1，选择C2作为待重构频谱集，如果SUs