压缩感知(Compressive Sensing, CS)理论是近年来兴起的一种新的信号获取理论，它通过将广义的线性测量方案与最优化技术相结合，突破了传统奈奎斯特采样定理的约束，能够以比奈奎斯特采样速率更低的速率获取并处理具有稀疏特性或可压缩的信号，极大地降低了信号采集与处理的成本。本文深入分析了针对已知信号的压缩检测算法，在此基础上提出了针对未知稀疏信号的盲压缩检测算法，仿真表明该方法能够在减小数据量的同时保证较好的检测性能，但它不具有良好的抗噪声性能；重点研究了CS在跳频信号盲检测技术的应用，通过分析和比较压缩采样值的数学期望在接收信号中有无跳频信号两种情况下的差异，将压缩采样值与其在这两种情况下的数学期望的偏差作为判决依据，提出了一种基于CS的跳频信号盲检测算法，并在不恢复原信号的前提条件下，仅利用低速率压缩测量提出了基于CS的跳频频率估计算法。仿真结果表明在信噪比高于-2dB环境下该方法具有良好的检测效果，其频率归一化均方误差可以达到10-4量级，具有较高的频率估计精度。此外，相比于传统的检测方法，该方法大大降低了数据量和运算复杂度，显著缩短了检测时间。