随着科技的快速发展,无线电信号的数量在不断增加,信号所处的频谱也在不断扩展,以香农/奈奎斯特采样定理为依据的采样方式给A/D转换器造成了很大压力。针对传统采样方式的不足,有学者提出了压缩感知理论,成为信号采样和处理领域中一个新的研究方向。在模拟信号采样方面,利用压缩感知理论可以用低采样速率对宽频带范围内的信号进行采样,有效地降低A/D转换器的压力。在信号参数估计方面,若能够直接对压缩采样观测值进行处理,在不重构原始信号的情况下实现宽带信号的参数估计,则不仅可以降低采样压力,还能够避免信号重构时的计算资源浪费。因此,基于压缩感知理论的模拟信号采样和参数估计是极具应用价值的研究方向。本文开展了稀疏宽带信号的压缩采样与重构以及低速采样下宽带线性调频信号参数估计方面的研究,主要贡献如下:(1)针对联合稀疏信号的重构问题,在同步正交匹配追踪算法的基础上进行了改进,提出了一种自适应门限重构算法,适用于原始信号稀疏度及信噪比均未知的情况。该算法先对观测值的自相关矩阵进行特征分解,然后根据噪声子空间对应的特征值来粗略估计噪声能量,从而确定出最佳门限取值。当连续两次迭代的残差能量之差值小于该门限时,算法迭代停止。与固定门限的同步正交匹配追踪算法相比,该算法具有更优的重构性能。(2)针对包含数字子信道分离模块的调制宽带转换器压缩采样系统,通过分析指出实际系统各通道增益的不一致性和通道的延时会引起模型失配问题,使得实际系统模型中存在一个未知的乘性对角矩阵。若忽略该矩阵的存在,则模型失配问题会导致系统重构性能大大降低,重构出的信号中包含大量杂散。基于以上分析,提出了一种模型校正方法,向系统发送多个频率已知的余弦信号,根据对应的采样输出序列,通过求解凸优化问题对未知对角矩阵进行估计,从而实现对系统模型的校正。另外,根据估计出的对角矩阵,还可以实现对系统各通道增益和延时的估计。(3)针对多陪集压缩采样系统,提出了一种适用于多频带信号的加窗离散盲重构方法。该方法先对采样序列进行分段加窗,在对各段序列分别进行重构之后,将重构出的序列拼接起来得到原始信号。在对各段序列进行重构的过程中,该方法直接对低速率的采样序列进行处理,利用压缩感知重构算法恢复出各子频带信号,然后再对各子频带信号进行内插,将其速率提升至奈奎斯特采样率并对其进行调制求和,从而实现对各段序列的重构。该方法中分段加窗过程可以有效地抑制原始信号的频谱泄露,而重构过程将内插操作推迟到恢复出各子频带信号之后实现,与以前的频谱盲重构方法相比,重构精度基本保持不变,运算复杂度有所降低。(4)提出了一种基于欠采样的多分量线性调频信号参数估计方法。采样过程由多个低速A/D转换器实现,以相同的采样速率、不同的采样起始时刻直接对信号进行欠采样,总采样率(即所有A/D转换器采样速率之和)可以低于信号的奈奎斯特采样率。参数估计过程中,先根据单路欠采样序列的乘积型高阶模糊函数估计调频斜率,然后对各路采样序列进行去斜处理,最后,结合矩保持问题的求解和超定方程组的求解实现各分量初始频率的估计。该方法运算简单,易于实现,可以对调频斜率相同但初始频率不同的多个线性调频分量进行参数估计。(5)提出了一种基于压缩采样的单分量线性调频信号参数估计方法。采样过程由欠采样和随机解调器两路低速采样通道实现。参数估计过程中,先根据欠采样序列的模糊函数切片粗略估计调频斜率,然后根据该粗略估计对欠采样序列的分数阶傅里叶变换进行二维峰值搜索,得到调频斜率的精确估计及关于中心频率的相关信息;最后,结合相关信息,根据随机解调器输出序列与感知矩阵各列的相关性实现对中心频率的估计。该参数估计方法无需利用压缩感知重构算法进行信号重构,运算简单,复杂度低,易于工程实现。