近年来,无线通信技术的发展十分迅猛,这使得有限的频谱资源变得日益紧缺,因此对频谱资源进行有效的管理将会对无线通信技术今后的发展产生深远影响。在非合作通信中,接收方缺乏发射方的相关信息,但又需要对信号的种类进行有效识别和参数估计;在民用通信中,为了更好的利用频谱资源,也需要对频谱进行检测,以便能够快速获得可用的频谱。这需要对信号的调制参数进行估计,但现有的估计技术大多建立在奈奎斯特速率上,带来了很大的采样压力,因此,在前端实现低于奈奎斯特速率的采样变得尤为迫切。为了克服高采样率带来的影响,本文引入了多陪集采样框架,建立压缩样本与高阶统计量之间的关系,在循环频率域进行分析,直接利用压缩样本重构出信号在循环频率处的高阶循环累积量幅值信息,利用循环累积量出现的位置对信号进行了载频和码率估计,随后利用循环频率处不同信号的累积量幅值不同的特点,对信号进行了调制识别。本文的主要研究内容有:1、研究了压缩感知理论的三个重要方向,即信号的稀疏表示、测量矩阵的设计和信号的恢复算法。并对几种压缩采样框架进行了分析,利用多陪集压缩采样框架实现简单的特点,选取了多陪集采样框架作为获得压缩样本的方式。2、研究了信号的高阶统计量的特性,介绍了相关的理论;利用高阶累积量具有累加性和抗高斯白噪声的性质,将信号建模为循环平稳信号。建立压缩样本与高阶累积量之间的关系,在循环频率域进行分析,重构出信号循环累积量的幅值信息;在采样框架确定之后,可以离线计算出所需要的逆矩阵。由于获得的样本数据有限,信号的循环平稳特性具有渐进性质,因此会出现底部噪声。只利用到信号在循环频率处的幅值信息,因此对底部噪声进行了限幅操作,实验结果表明,该操作实现了对噪声的抑制,并且对有用的幅值信息没有产生影响。3、利用重构得到的高阶循环累积量幅值信息,高阶循环累积量出现位置的特殊性,设计算法对信号的载频和码率进行了估计。利用不同信号循环累积量的幅值不同的性质,设计出算法对不同信号进行了调制识别;利用估计载频和码率信息时得到的四倍载频处的峰值信息,实现了对混合信号的调制识别。实验结果表明,该算法能够在低信噪比的情况下实现信号的参数估计和调制识别。