多频带稀疏信号广泛出现于无源雷达设计、超宽带通信和认知无线电中的频谱感知等领域当中。由于在频域中多频带信号呈现的独特稀疏性,基于压缩感知的理论和实现将对这些领域产生深远的影响。在这些领域当中,信号接收机通常会同时接收到一个或者多个未知的信号,这些信号在载频、码速率、带宽和调制方式等信息上都各有差异,接收器需要快速识别和响应信号参数,并通过调制识别来识别和检测信号的调制模式,进而执行其他的处理任务。因此对未知信号各项参数识别和检测成为对未知信息感知和获取中至关重要的核心技术。在这种背景环境下,循环谱是研究循环平稳信号分析的基本工具,如信号检测和参数估计。在诸如调制识别,波束成形,盲信号分离和盲信道均衡等许多领域被广泛使用。目前,大多数循环谱估计方法是通过循环图谱时间平均或频域平滑来实现的。为了确保信号周期频谱的高精度估计,上述传统的循环频谱估计方法需要高信号采样率和大量采样数据。这导致诸如计算量大和处理时间长的问题。为了解决上述两个问题,首先研究了将压缩感知理论与循环谱谱相关理论相结合,基于压缩感知理论和信号的循环谱特征来估计信号参数信息。可以在损失一定精度的情况下,解决了计算信号循环谱高采样率的问题,具有很大的应用价值。研究了压缩感知信号模型,探究压缩测量值与信号周期谱之间的线性矩阵关系。针对现有的欠采样值循环谱估计算法向量化操作引入的巨大计算量的问题,引入了基于时域平滑的相关算法,推导了估计信号循环谱中间过程的复解调矩阵与与压缩测量值之间的机理关系即压缩感知循环谱分段谱相关算法。针对现有的压缩循环谱估计方法中间关系矩阵维度过大,利用相关正交匹配追踪算法恢复循环谱的过程中计算复杂度太大的的问题,用基于快速傅里叶变换的时域平滑算法可以将循环谱分成菱形或条形支撑区域。由于常见的通信调制信号在循环谱的双频率平面具有独特的稀疏特性,由这个方向切入,在计算信号的循环谱过程中,对信号进行了分块处理,所以每一块内信号的稀疏度和稀疏位置相同,SOMP算法可以用来重建信号的复解调。根据估计出的载波频率,调制符号率信息和其他联合估计值的循环谱的复数解调信号。由于多频带信号由多个子频带信号组成,并且各个子频带信号占用的带宽和载频还有调制方式都各不相同,接收机对接收信号参数未知。在估计信号循环谱的过程中,由于信号的复解调包含接收信号的部分频谱信息,因此在对压缩感知循环谱的分析中可以先对这一部分信息进行提取和分析,并估计压缩感测循环谱的载波频率,信号带宽和信号量等信号参数。每个子带信号具有不同的调制方法,因为通信调制信号在频域中不具有调制方法的特性。但是不同的调制信号在循环谱双频率平面却呈现出特殊的循环谱特征,利用了多层神经网络模式识别对循环特征进行分类,进而获得信号的调制方式。最后本文对提出的基于多频带信号压缩感知循环谱估计算法和参数识别算法进行了仿真,并且和已存在的一些算法进行对比,详细分析了该算法在信号周期谱估计中的性能比较,推导和计算了该算法的计算复杂度。然后通过恢复的信号周期谱,识别通信调制信号的各项参数,分析研究该算法的鲁棒性。