在处理宽带跳频信号时,传统的采样方法会产生巨大的样点数,需要庞大的存储空间,硬件实现起来非常困难。压缩采样(Compressive Sampling, CS)理论的提出,为解决此类问题开辟了一个新的途径。然而,在超宽带跳频信号的传输过程中,不可避免的会混入很多干扰信号,使得信号稀疏度变得很大,根据CS理论需要大量的信息样点数才能重构原始信号。而跳频信号在某一时刻只出现一个频率(稀疏度为1),且频率集只有一定数量的频率数目,跳频稀疏矢量长度远小于原始信号稀疏矢量长度,表达跳频信号所需的CS信息点数要远少于表达原始混合信号所需的CS信息点数。论文研究了堙灭滤波法、后验压缩采样法、最小均方误差法三种抑制定频干扰的CS方案,并对其性能进行了详细的分析比较。同时,提出了一种基于频率选择性测量矩阵的跳频压缩采样新方法,该方法通过选择特定的测量矩阵,对跳频频率表以外各种频率的干扰信号在理想情况下能够进行陷零抑制。压缩采样的关键是测量矩阵,衡量其性能可以从几个不同的方面考虑。如可重构最大压缩比、CS信噪比损失,以及CS信息背景噪声是否还具有白噪声特点等,这些对后续处理均起着十分重要的作用。因为无论是利用CS信息进行信号检测还是参数估计,都要求具有最大可能的信噪比。为此论文对压缩采样过程中的测量矩阵进行了详细分析,证明了等角紧框架(Equiangular Tight Frames, ETF)具有上述意义下的最佳特性。在实际的跳频信号重构过程中,频率的切换和符号翻转可能发生在CS帧的任意时刻。针对频偏以及这些信号突变引发的瞬时频率展宽的影响,对稀疏度自适应匹配追踪算法作了适当修正,使之更适合实际跳频信号的应用。最后,为了适应实时的信号重构场合,提出了一种基于ETF的高效快速重构方法,对小稀疏度信号的重构非常简洁快速。论文主要内容分成四部分：首先介绍了跳频通信原理和特点,以及跳频信号的可压缩性。并从离散信号场合出发阐述了压缩采样基本理论,对连续时间信号,介绍了三种典型模拟信息转换器的实现结构,并对其性能作了数值仿真。其次,研究了测量矩阵的特性,分析探讨了描述其性能优劣的几个方面。再者,针对混合干扰的跳频压缩采样,在研究了几种定频抑制技术基础上,提出一种新的频率选择性CS方法。最后对信号重构方面,列举了一些已有的算法,并提出了基于ETF的小稀疏度信号的高效快速重构算法。