随着无线通信技术的迅猛发展,电磁频谱环境日益复杂,在电磁频谱监测、无线电频谱感知、通信侦察等非合作接收应用中,不仅待处理的频带不断拓展,而且由于信号类型不断丰富,接收信号的动态范围也不断增大。因此,接收机必须具备大带宽、大动态的信号接收处理能力,而受到现有模拟数字转换(ADC)器件采样能力和动态范围水平的限制,以奈奎斯特理论为基础的宽带信号采集与处理机制面临着严峻的技术挑战。压缩感知技术针对稀疏信号或可压缩信号,以远低于奈奎斯特采样率的频率对信号进行压缩采样测量,降低了接收端对模拟数字转换器的要求,同时减轻了大数据量给后端存储和处理带来的压力,为解决宽带信号采集与处理中的难题带来了新的思路。本文围绕压缩感知理论应用于宽带信号采集与处理中的若干关键问题展开研究,重点针对感知矩阵不确定条件下的稀疏信号重构、基于压缩感知的宽带信号采集的动态范围分析、压缩域的干扰抑制、低信噪比下的宽带稀疏信号检测和调制识别以及基于压缩感知的电磁频谱监测方案实现等问题进行了研究,论文的主要工作和创新点如下:1、面向压缩感知在宽带信号采集中的实现,针对压缩感知中测量矩阵摄动和稀疏基矩阵失配的现实问题,建立感知矩阵不确定的压缩测量理论模型,提出一种基于误差限的联合正则化重构算法,理论分析和仿真结果表明,相对于标准的压缩测量模型和相应的重构算法,该算法在感知矩阵存在误差情况下,能够有效抵抗性能的恶化。标准压缩感知重构算法建立在理想的数学模型之上,但在测量矩阵摄动或稀疏基失配时,由于误差的影响将导致其重构性能恶化。本文在研究分析感知矩阵不确定因素的基础上,假定误差项有界,将感知矩阵不确定的信号重构问题转化为一个1和2范数联合约束的凸优化求解问题,通过1范数对重构信号的稀疏性进行约束的同时,引入2范数对感知矩阵不确定性进行约束,以一定的稀疏性为代价,实现稀疏信号有效重构的同时保证了求解的稳定性。2、针对宽带信号接收的无杂散动态范围性能问题展开研究,推导并给出正弦信号激励下ADC无杂散动态范围性能的理论界,分析和仿真该理论界和量化间隔、高斯噪声和采样率等因素的关系,得出相关结论;从理论上分析了压缩采样的量化噪声谱分布特征和无杂散动态范围性能,结果表明压缩采样的量化噪声谱分布和输入信号形式无关,相对于传统ADC采样,压缩采样的无杂散动态范围受噪声、ADC非线性等因素的影响较小,且可通过降低采样率、丢弃小部分饱和测量值等方式,有效提高宽带信号采集的动态范围。ADC无杂散动态范围测试方法受器件因素影响难以得到精确结果,本文在对ADC量化噪声谱分析基础上,理论推导了单音正弦信号激励下ADC的无杂散动态范围性能界,研究了量化比特、输入信号幅度、加性高斯噪声的方差等因素对SFDR性能的影响;结合傅里叶分析法,分析推导了不同采样率条件下的SFDR性能,得出了采样率和正弦激励信号频率呈“质数”关系时SFDR性能相对较好、整数倍采样时SFDR性能随采样率呈折线上升的结论;进一步对压缩测量的量化噪声谱进行了分析,得出了由于随机测量矩阵的作用,压缩感知的量化噪声谱是和输入信号形式无关的白噪声谱的结论;比较分析了ADC电路非线性对ADC采样和压缩采样的无杂散动态范围性能的影响,从降低采样率和测量值的公平性角度,阐明了压缩感知解决宽带信号采集中的大动态问题的优势。3、针对压缩感知框架下宽带信号的干扰抑制问题,提出了一种基于最小输出能量准则的压缩域干扰抑制算法,理论分析和仿真结果表明,该算法在干扰信号支撑集信息未知的情况下,能够有效抑制干扰对目标信号重构性能的影响。在压缩感知框架下,主要利用子空间正交投影算法和斜投影算法对干扰进行抑制,但都需要以干扰信号支撑集的先验知识为前提,这在非合作方的宽带信号采集与处理应用中通常无法满足。为此本文提出了一种无需支撑集先验知识的干扰抑制算法,该算法以感知矩阵每一列的期望投影的输出能量最小化为准则,设计相应的投影滤波器对压缩测量值进行投影滤波,进一步通过设定投影值门限对干扰信号进行抑制,同时保留目标信号的全部信息以便于后续的相关处理。4、针对宽带稀疏信号的检测和调制识别问题,将循环谱的相关理论引入压缩感知框架下,基于循环频率切面的近似块稀疏特性,提出一种基于压缩域循环谱能量特征的信号检测算法,仿真结果表明,该算法能够有效实现较低信噪比条件下的稀疏信号检测。以此为基础设计了一种基于二分迭代的压缩域循环谱特征提取方法,并结合二叉树分类器,实现了调制信号的识别。首先分析了现有压缩感知框架下,经典的压缩检测、子空间检测算法在低信噪比条件下检测性能的局限性,然后基于大部分调制信号具备循环平稳特性以及高斯白噪声只在零循环频率处出现的事实,将循环谱分析引入到压缩感知框架下,提出基于压缩域循环谱能量特征的稀疏信号检测算法。该算法不同于现有压缩循环谱的信号检测算法,不需要对压缩循环谱进行完全重构,且充分利用信号在循环频率切面的近似块稀疏特性,所需的压缩测量数目和计算量大大降低,仿真结果表明该算法在低信噪比条件下能有效实现信号的检测。最后在块稀疏压缩循环谱模型的基础上,给出一种基于二分迭代的循环谱特征提取方法,并结合二叉树分类器实现对{BPSK,FSK,2ASK,16QAM,MSK}五类常见信号的调制识别。5、针对“电磁频谱监测传感器网络关键技术研究”课题中电磁频谱监测的需求,设计了基于AIC压缩测量的电磁频谱监测方案和原理验证平台,并针对AIC实现时滤波器非理想导致重构性能恶化的问题,提出了一种基于自适应滤波校正的方法,提高了重构性能。为降低瞬时突发信号的漏检概率,缓解前端ADC的压力和要求,本方案基于AIC的压缩测量思想对电磁频谱信号进行宽带采集,并利用测量值直接在压缩域实现信号检测、调制识别等信号处理工作。设计实现了方案的原理验证平台,模拟端采用RD结构,数字端考虑到系统的可扩展性和灵活性,采用GPU+FPGA+ARM的结构。最后针对基于RD的模拟压缩测量实现过程中,滤波器冲激响应非理想影响信号重构性能的问题,设计自适应滤波校正算法对非理想滤波器的脉冲冲激响应进行估计,提高了系统的性能,且无需改变原有压缩测量结构。