حسگری فشرده یک پژوهش جدید است که اولین بار در سال 2006 معرفی شد. از آنجائیکه در باندهای فرکانسی بالا در شبکه های رادیوشناختگر معمولا طیف به صورت تنک است می توان حسگری فشرده را در آن به کارگرفت. به عبارتی به علت مشکلات نمونه برداری در نرخ بالا و پیچیدگی های سخت افزاری آن در سیستم های نایکوئیست، روش حسگری طیفی در زیر نرخ نایکوئیست در سال های اخیر توجه زیادی را به خود جلب کرده است. تاکنون تکنیک های مختلفی در این زمینه ارائه شده است. یکی از این تکنیک ها تکنیک حسگری فشرده تطبیقی است که بکارگیری آن می تواند باعث ایجاد عملکرد مناسب تردر شبکه شود. لذا در این پایان نامه جهت رسیدن به حداکثر نرخ نمونه برداری و بهبود عملکردحسگری فشرده، روش نمونه برداری مستقیم و تطبیقی معرفی شده که در آن نمونه برداری به صورت مستقیم وتطبیقی با تعداد نمونه های بسیارکمتردر حوزه تبدیل کسینوسی گسسته انجام می شود و سپس برای بازسازی، روش تقریب غیرخطی جایگزین الگوریتم های مینیمم سازی نرم می شود. مزیت اصلی این روش سرعت بالای الگوریتم بازسازی و بهبود عملکرد آشکارسازی خصوصا در محیط هایی با نسبت سیگنال به نویز پایین است. هم چنین در این پایان نامه حالت مشارکتی شبکه های رادیوشناختگر نیز بررسی شده و مدلی پیشنهاد شده که در این مدل کاربران ثانویه با ارسال داده های فشرده خود در شبکه به جای کل طیف دریافتی بازسازی شده، به میزان زیادی بار مخابراتی را کاهش می دهند و روشن است که این کار معاوضه ای بین عملکرد سیستم و بار مخابراتی است. درپایان نیز نتایج شبیه سازی هر دو روش پیشنهادی ارائه شده است.