对于多频带信号,亚奈奎斯特采样结构中的参数估计和信号恢复已被广泛研究。在亚奈奎斯特采样结构中,调制宽带转化器(Modulatd Wideband Converter,MWC)因其处理频域连续多带信号较好,实现相对简单而被广泛研究。本文首先对于MWC的基础理论和原理进行介绍。在此基础上,我们对欠采样场景下的经典OMP算法和我们提出的基于稀疏贝叶斯的重构算法进行研究,分别分析了信噪比、通道数和稀疏度对信号恢复性能的影响。仿真结果表明,信噪比越高、通道数越多、稀疏度越高则信号的恢复性能越好。并且,在相同的参数条件下,稀疏贝叶斯算法的恢复性能优于经典OMP算法。接下来,为了解决欠采样结构下信号参数估计的问题,本文将均匀线性阵列(Uniform linear array,ULA)和MWC相结合,并对这种基于ULA的欠采样信号阵列从频域进行分析。以此结构为基础,采用基于盖尔圆的信源数量估计算法估计信号个数,同时利用基于PM的频率角度联合估计算法和基于JAFE的频率角度联合估计算法进行频率角度的联合估计。仿真结果表明,这三种算法都能很好的实现信号的参数估计,在相同的信号参数条件下,基于JAFE的联合估计算法优于基于PM的联合估计算法。然而,现有亚奈奎斯特采样结构的硬件存在复杂性过高的问题。本文结合压缩感知和阵列信号处理技术提出了一种极简的亚奈奎斯特采样结构。与传统的调制宽带转换器结构相比,我们删除了周期伪随机序列,并将调制宽带转换器的模拟滤波器变成了数字滤波器,大大的减少了硬件复杂度。更为重要的是,该结构不仅能够实现欠采样下信号的频率DOA联合估计,还能实现信号的恢复。最后的仿真结果表明,在相同的信号参数条件下,本文提出的信号恢复算法性能高于传统的OMP算法和稀疏贝叶斯算法。同样地,多参数联合估计的性能也优于传统的方法。