雷达侦察是雷达对抗的重要领域,其首要任务是截获敌方雷达信号并进行信号检测。传统的截获技术和检测方法都基于Nyquist采样定理,而压缩感知理论突破这一限制,利用信号的稀疏性,截获少量的观测数据以达到检测的目的。本文主要将压缩感知中稀疏重构的思想运用到调制样式识别和参数估计中,证明通过少量的数据,仍可实现原始信号的信息提取。由于是理论基础研究,所以只选取最基本的三种雷达信号作分析。具体研究内容可概括为以下两部分:第一部分研究了基于稀疏重构的脉内调制样式识别问题。首先论证三种待识别雷达信号具有可稀疏表示的前提条件,然后通过观测矩阵和稀疏矩阵构成的字典,将少量的观测信号映射到频域,利用重构算法求解稀疏系数,通过对比稀疏度达到识别调制样式的目的,最后通过仿真实验论述该方法的正确性,并对不同压缩率下的识别成功率、一定压缩率下判别门限和判别规则的选取和噪声对识别率的影响分别作了探究,得出:在合适的门限和判别规则下,该方法可以应用于调制样式识别中,且当信噪比不是特别低时,成功率依然有保障。第二部分研究了基于稀疏重构的典型参数估计问题。针对三种基本雷达信号,改进第一部分的方法用来估计它们的典型参数。其中,单载频信号主要针对中心频率,由于前面方法已达到估计效果,故只对算法作了改进,以提高估计精度;LFM信号主要针对调频斜率,利用分数阶傅立叶变换对LFM有良好聚集性的特点,将稀疏矩阵的原子改为分数阶傅立叶变换的逆核函数,通过寻找最佳聚集性得到变换阶数,从而达到调频斜率的估计;相位编码信号的典型参数为码元宽度,通过求取带宽的倒数可得到,但由于带宽指的是过零点带宽,运用重构算法求解误差过大,所以只能得出中心频率的估计,这一领域还有待研究。