随着电子信息技术的飞速发展，通信信号的带宽越来越宽，若用传统的奈奎斯特采样定理来实现信号的采集，必将会给硬件实现带来极大的挑战。然而，近几年来国内外兴起了一种新的信号采集理论——压缩采样(Compress Sampling，CS)理论，该理论利用原始信号在某变换基上存在稀疏性，用一个与变换基不相关的观测矩阵，以远低于奈奎斯特的采样速率将原始信号投影到低维空间上，得到少量的信息样点，并能够通过最优的稀疏重建算法重构出原始信号。相比传统信号获取和处理过程，压缩采样对信号进行采样的同时也对数据进行了压缩，即将信号数据的采集和压缩合二为一了。本文研究讨论了基于压缩采样理论的模拟信息转换(Analog-to-Information Converter，AIC)技术，介绍了模拟信息转换架构的主要思想，对模拟信号通过AIC器件后得到的信息域数据进行了分析处理，并深入研究了基于AIC的稀疏跳频信号的解调问题。论文研究的主要内容及创新点如下：1、首先简单的介绍了压缩采样理论基本知识，从信号的稀疏分解、测量矩阵的设计、重建算法等方面进行了研究。并把压缩采样过渡到模拟域，分析了三种模拟到信息采样结构——伪随机调制型AIC结构、并联型AIC结构、分段积分型AIC结构，并分别进行了数值仿真，对比了不同的采样结构下信号重建的效果。2、研究了基于压缩采样的AIC信息的信号重建算法，介绍了凸松弛算法和贪婪算法的模型及步骤，并通过仿真实验进行了比较分析。通过结合了正则化正交匹配追踪算法的信号快速重建和稀疏度自适应匹配追踪算法的稀疏度自适应等优点，提出了一种改进型的稀疏度自适应变步长正则化匹配追踪算法，并通过仿真实验证明了此方法的可行性。3、分析了AIC信息的干扰抑制问题，针对跳频AIC信息中混入的定频干扰，对比了三种抑制方法：最小均方误差法、湮灭滤波器法和可控信息域陷波法。通过实验仿真，表明三种定频抑制方法都能较好的从混合AIC信息中分选出跳频信息。4、最后研究了基于AIC信息的跳频信号解调技术。设计构造了基于1-稀疏模型的跳频解调模型，并用最大似然法估计出了码元跳变时刻，保证了采样信号周期与码元转换周期的同步，降低码元跳变时刻对信号压缩采样的影响。同时，又提出了基于稀疏分解矩阵的跳频信号解调方法，利用构造出的稀疏分解矩阵估计出信号的跳变时刻和频率参数，然后利用估计参数来完成信号解调。这两种方法都是直接利用信息域的数据来估计出解调参数，大大的降低了计算量。最后用实验仿真验证了该理论的正确性，合理性。