1.一种时频特性提取及压缩感知融合的高效协作频谱感知方法，其特征在于：包括以下步骤：

步骤1.1、输入接收信号，利用背景技术所述的短时傅里叶变换(STFT)处理，输出W×L维与时间相关的幅度谱；

步骤1.2、将步骤1.1所得幅度谱作为输入参数，利用时频功率谱计算方法处理幅度谱，输出W×L维时频图矩阵；

步骤1.3、将步骤1.2中所得的时频图矩阵作为输入参数，采用以下子步骤，做功率估计，构造检测统计量，判别主用户(PU)信号存在与否；

步骤1.3.1、将步骤1.1.2中的时频图矩阵中的每一列累加，得到W×1维的列向量，再将其除以L，得到W×1维的列向量，即为接收信号的功率谱的估计；

步骤1.3.2、将步骤1.2.1所得的W×1维向量中每个元素相加，得到总功率，再除以W，得到功率谱平均功率，平均功率除以W×1列向量的每个元素，构造检测统计量，最终得到W×1维检测统计矢量；

步骤1.3.3、根据检测统计量构造方法，得到判决门限th＝1；

步骤1.3.4、将得到的W×1维的检测统计矢量，用th进行判决得到W×1维判别结果矢量θ(w)；

步骤1.4、将θ(w)作为输入参数，次用户(SU)利用背景技术所述的压缩感知(CS)方法，压缩θ(w)，并将压缩后的信息传输到融合中心；

步骤1.5、将压缩信息作为输入参数，融合中心利用背景技术所述的正交匹配追踪(OMP)方法，重构判别结果矢量 并用量化方法，输出重构量化后的判别结果矢量最后，利用背景技术所述的融合准则中的K秩序准则，实现协作感知，输出最终的判别结果矢量 其按以下步骤完成：

步骤1.5.1、融合中心将步骤1.4中所得的由多个SU传输过来的压缩信息执行背景技术所述的OMP方法重构多个判别结果矢量步骤1.5.2、对重构的W×1维 中每个元素执行量化处理，最后，输出W×1维量化后的判别结果矢量的

步骤1.5.3、对量化后的 执行背景技术所述的K秩序准则，实现协作感知。

2.根据权利要求1所述的一种时频特性提取及压缩感知融合的高效协作频谱感知方法，其特征在于：所述步骤1.2中，时频功率谱计算方法采用以下步骤完成：步骤2.1：对接收信号做由背景技术所述的STFT处理，得到W×L维STFTx(w,l)矩阵；

步骤2.2:将步骤2.1所得的STFTx(w,l)做如下处理得到其时频图矩阵为：其中，wi是整数，lj为整数，W为整数，L为整数，STFTx(wi,lj)为复数，Px(w,l)为W×L维矩阵。故设在检测的频段内仅存在ρ个PU信号时，SU计算出接收信号的时频图矩阵为：其中，该矩阵维度为W×L，纵向代表频率，横向代表时间；a代表PU信号的功率，为实数；

2 2

σ代表某一频率的噪声功率，为实数；故在PU信号频段处的功率为a+σ，在仅有噪声的频段2

处功率为σ。

3.根据权利要求1所述的一种时频特性提取及压缩感知融合的高效协作频谱感知方法，其特征在于：所述步骤1.3中，时频图矩阵的功率估计，构造检测统计量，判别主用户(PU)信号存在与否方法采用以下步骤完成：步骤3.1：输入权利要求2中的时频图矩阵Px(w,l)，先计算每个频率处的平均功率为此处，对各个频段的信号功率做了估计，且计算为：其中，L为整数，代表时频图矩阵的列数即信号时间长度；Px(w,li)为W×1维列向量，向量中的元素均为实数； 为W×1维列向量；再将平均功率 上的每个频率处的功率累加除以W，得到最终的总平均功率为其中，W为整数，代表时频图矩阵中的行数，即信号频带宽度；T为整数，代表存在的PU信号个数；构造检测统计量η(w)：其中，η(w)为实数，当wi频段只存在噪声时；

此时， 为实数，代表信噪比； 为实数，代表频谱利用率；当wi频段内存在PU信号时，检测统计量为：

将判决门限Th设为1；若存在PU信号，则输出1，否则输出0；故SU根据判决门限和检测统计量，将生成一个W×1维判别结果矢量θ(w)。

4.根据权利要求1所述的一种时频特性提取及压缩感知融合的高效协作频谱感知方法，其特征在于：所述步骤1.5中，量化方法采用以下步骤完成：由背景技术所述的OMP重构来自ρ个SU发送的ρ个W×1维判别结果矢量 将重构的判别结果矢量中的每个元素做量化输出：其中， 为整数，为wi频段内量化后的判别结果；W为整数。