随着无线通信技术与系统的广泛应用，无线电信号在空域、时域和频域的分布愈加拥挤，对频带、功率等通信资源有效、合理的分配和管理是保障所有无线通信系统正常运行和频带资源安全的基础，对保障国家安全、社会稳定都具有重要意义。电磁频谱监测是实现通信资源高效合理的分配和管理的主要技术手段。数量众多、种类各异的各类通信系统，尤其是当前各种短距离无线通信系统的大量应用，对电磁频谱监测的精细度提出了更高要求。其中，一个突出问题是如何在强背景信号条件下实现对诸如短距离无线这类非常微弱的信号的有效监测。解决上述问题所面临的主要挑战在于如何在宽带采集过程中，避免因量化噪声过大而导致的不可逆的小信号信息损失。压缩感知技术因其在压缩域上实现对特定目标信号的高效采集和准确重构方面展现出的优良特性，已受到愈来愈多的关注和研究。充分利用压缩感知思想的上述特点，将其应用于解决面向小信号监测的宽带条件下大动态混合信号采集问题，具有重要的理论意义和应用价值。本文将压缩感知思想应用于面向小信号监测的大动态混合信号采集问题的解决，重点针对非均匀块稀疏信号压缩及重构、压缩采样量化噪声分析、基于压缩感知思想的大动态混合信号采集方法及全频域电磁频谱监测方案设计等方面开展研究，主要工作和创新点如下：1.针对目标频带内信号分布的非均匀块稀疏这一现实特征，从理论上分析了测量矩阵约束等距常数的衰减特性，得出将信号块稀疏特性引入重构算法可获得更高的信号重构概率这一重要结论；在此基础上提出梯次变块长切分信号盲重构算法，可在非均匀块稀疏阶数和分布未知情况下实现非均匀块位置的精确估计，提高信号重构的成功率。经典的块稀疏信号压缩感知理论均假设信号服从的是均匀块稀疏模型，而实际中由于信号之间带宽和频点的差异，使得监测频带内的信号通常服从非均匀的块稀疏模型，本文对非均匀块稀疏模型下的压缩测量过程进行了研究；从理论上证明了约束等距常数的衰减特性，从而进一步说明了将信号的块稀疏特性引入到重构算法中能够获得更高的信号重构概率；提出了梯次变块长切分的信号盲重构算法，利用逐次递减的变块长对稀疏信号进行多次切分，从而精准的估计非均匀块的位置，提高了信号重构的成功率。仿真结果也表明了，该算法与直接将其它重构算法应用至非均匀块稀疏信号模型相比，具有更高的重构成功率。2.针对大动态混合信号采集中，制约小信号信息恢复的关键因素是小信号带内量化信噪比过低这一本质，首先分析了正弦信号、高斯随机信号采样后的信号量化噪声谱及带内噪声，给出了相关结论；对压缩采样下的量化噪声谱进行了深入分析，得出其量化噪声谱为与输入信号无关的白噪声谱这一重要结论，并给出了存在量化噪声条件下目标信号重构误差的上界和下界，然后从降低采样速率和测量值公平性两个方面，讨论了压缩采样应用于大动态混合信号采集的优势。本文假设输入正弦信号为一个随机过程，推导了其量化噪声谱，同样得到了其量化噪声谱为离散谱的结论；对正弦信号输入时的带内噪声功率进行了分析，得到了随采样速率提高，其带内量化噪声功率呈折线形式下降的结论；对高斯随机信号输入时的量化噪声谱进行了分析，得到了其量化噪声谱为白噪声谱的条件，该条件相比于传统量化理论更利于指导工程实践；对压缩感知的量化噪声谱进行了分析，得到了其量化噪声谱始终是和输入信号无关的白噪声谱这一结论，并在此基础上建立了有量化噪声存在情况下的信号重构误差上界和下界；从压缩感知的降采样速率和测量值公平性两个角度，全面分析了其在大动态混合信号采集方面的优势。3.将大动态混合信号采集转化为选择性采样问题，提出选择性AIC处理结构，使压缩测量过程具有选择功能，并针对选择性因子构造这一关键问题，提出基于正交投影和斜投影的两种构造方法，进而提出基于选择性AIC的大动态混合信号采集方法，改善了大动态混合信号采集中小信号的采样性能。对于常规的信号采样，输入通常都被看作一个信号，本文则将采样面临的信号看作混合信号，从而将大动态混合信号的采样问题转化为选择性采样的问题，提出了选择性AIC结构，即S-AIC。通过对测量波形的改造使压缩感知的测量过程具备选择性功能，以达到在ADC之前自适应消除强信号，从而保证弱信号有效采集的目的；对其关键问题——选择性因子的构造进行了重点研究，提出了基于正交投影和斜投影的两种选择性因子构造方法，并通过理论分析，得到了斜投影选择性因子由于能够在消除测量向量中干扰信号影响的同时保证目标信号的结构不受影响，因而具有比正交投影选择性因子更好的性能的结论，仿真结果进一步证实了这一结论；在S-AIC的基础上给出了大动态混合信号的采集框架，并对其性能进行了分析，仿真结果也验证了该方法能够在强信号存在情况下实现弱信号的选择性采样。4.将压缩感知在变换域实现信号某尺度压缩的思想应用至大动态混合信号采集中，提出可分离域非线性压缩的大动态混合信号采样方法，对可分离变换和非线性压缩两个核心环节进行了深入讨论，确定了非线性压缩函数的选择原则；设计了三种基于模拟傅立叶变换和基于模拟域自卷积的大动态混合信号采样方法，提高了小信号采样量化精度。压缩感知本质上是在变换域实现信号某尺度的压缩，将这种思想应用至大动态混合信号采集中，本文提出了一种在混合信号的可分离域实现其动态范围压缩的方法，在模拟域通过信号可分离及非线性变换压缩混合信号的动态范围，以提高小信号的采样量化精度，然后在数字域实现信号的重构。混合信号在某个域上具有可分离性是该方法应用的前提，本文首先定义了混合信号的可分离域，研究了非线性压缩具体过程和压缩函数的选择原则；按照分两步实现可分离变换和非线性压缩的思想，设计了两种基于模拟傅立叶变换的大动态混合信号采样方法，主要通过选通和动态增益控制两种方式分选或者放大弱信号，使其能够获得更高的量化信噪比；按照一步实现可分离变换和非线性压缩的思想，设计了基于模拟域自卷积的方法；仿真验证了所设计的方法能够有效的压缩混合信号动态范围，提高小信号的量化精度。5.针对国家重大科技专项课题“电磁频谱监测传感器网络关键技术研究”中电磁频谱监测的需求，在AIC及S-AIC的基础上，设计了基于压缩感知的全频域电磁频谱监测方案。传统的电磁频谱监测方案大多采用扫频的方式来完成宽频带范围的覆盖，这种方式对瞬时突发信号有较高的漏检概率，而压缩感知技术的引入则可以提高系统瞬时处理带宽和扫频速率，从而降低瞬时信号的漏检概率；另外，本方案采用AIC和S-AIC双通道并行的结构，使得系统能够监测更大动态范围的信号；全频域的处理思想能够有效的简化实现方案，节省硬件的存储及处理资源，保证灵活的算法可加载性，有利于小型化、网络化电磁频谱监测系统的应用。