数据压缩是指在不丢失信息的前提下,缩减数据量以减少存储空间,提高其传输、存储和处理效率的一种技术方法。它按照一定的算法对数据进行重新组织,减少数据的冗余和存储的空间。压缩感知是近年来兴起的在数据采集压缩方向的新理论。现有数据压缩算法都建立在已存储数据本身的基础上,对现有数据进行去冗余处理达到压缩存储空间的目的。压缩感知突破了奈奎斯特定理的限制,它将数据采集和压缩的过程融合在一起,以远低于奈奎斯特频率的采样率对信号进行压缩采样。本文结合作者在压缩感知和通信信号处理等方面的工作,研究压缩感知理论在医学信号处理,信号调制等方面的应用。将小波变换与压缩感知理论结合,应用于心电信号(ECG)和脑电(EEG)信号的处理,在基于Bayesian的重构算法中采用基于迭代阈值的小波系数选择算法,在获得优良数据压缩性能,同时具有去噪的效果,能够将信号的信噪比提升2-3dB。在信号调制方面,本文提出了一种将压缩感知、跳时脉冲位置调制(TH-PPM)和正交频分复用(OFDM)结合的超宽带信号调制算法,由于引入了数据压缩,能够有效提高数据的传输速率,同时利用了OFDM的特点有效地对抗无线信道中的多径干扰。另外,通过对跳频扩频技术和时频分析技术的研究,提出了一种基于平滑伪Wigner-Ville分布(SPWVD)的跳频信号参数估计和识别的新方法,通过采用滑动窗口、基线求导、自适应迭代门限方法,有效解决了低信噪比下跳频参数估计的问题。对于多信号存在的情况,利用定频信号和跳频信号的频谱特点,提出了利用频谱对消法实现信号分离,然后对跳频信号进行参数估计和识别的方法,有效地降低了传统信号分离系统的复杂度。