在现代电子战中,随着雷达侦察频率的范围越来越大,对稀疏超宽带电子侦察信号的分析显得尤为重要,传统的Nyquist采样定理已经成为制约宽频带信号发展的瓶颈。压缩感知理论的提出为这一技术的发展带来了曙光,其指出当信号在某一个特定域是稀疏时,它可以突破Nyquist采样率,然后通过恢复算法对信号进行精确重构。因此,如何利用压缩感知理论对目标信号的参数进行准确估计成为了信号处理领域的一个热门话题。本文结合压缩感知理论,对上述所提到的问题进行了研究,主要研究内容如下:1.将贝叶斯框架下的快速贝叶斯匹配追踪重构算法应用于电子侦察中的信号重构,并与压缩感知理论框架下的压缩采样匹配追踪重构算法对比,可以得出结论:快速贝叶斯匹配追踪算法的重构精度相较于压缩采样匹配追踪算法要高,且同等条件下,贝叶斯匹配追踪算法能在较低的信噪比下重构出信号;2.研究了基于波形匹配字典的参数估计。根据多频正弦信号和线性调频信号的波形特点来构造冗余字典,然后通过压缩感知中的解优化算法来对信号的频率参数进行估计,实验仿真证明,该算法能准确的估计出信号的频率信息,但是在构造字典时,我们必须要知道信号的频率范围这一先验信息,而且构造出的字典也很大,使得计算复杂度很高;3.对于宽频段信号,提出将分数阶傅里叶变换与压缩感知框架相结合,通过构造分数阶傅里叶字典对线性调频信号进行频率估计。首先通过二维搜索根据不同步长构建各个阶数p下的分数阶傅里叶字典,然后通过压感中的优化算法选取最佳阶数p和参数u,通过公式对信号的起始频率和调频斜率的进行估计。仿真结果证明该算法对调频斜率的估计误差可以达到10^-3量级,对起始频率的估计误差可以达到10^-2量级;4.利用信号源产生多种类型的信号,通过现有的非均匀采样平台进行压缩采样,获得实测数据,通过正交匹配追踪和快速贝叶斯匹配追踪算法对多频正弦信号、单频脉冲信号和线性调频脉冲信号进行了频谱重构,进一步验证了正交匹配追踪和快速贝叶斯匹配追踪算法的可行性,并分析对比了这两种算法的重构效果。然后又利用分数阶傅里叶字典对实测数据的频率进行了估计,并取得了良好的效果,验证了该方法的有效性。