压缩传感(Compressed Sensing, CS)理论结合了传统的信号采样和信号压缩过程,使得对稀疏信号的采样不受Nyquist采样定理的限制,引起了信号处理思想的变革,是近几年来学术界研究的前沿领域。本文研究了CS理论,并将其应用于LFM信号的参数估计,通过利用正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法寻找最佳匹配原子的位置估计LFM信号的参数。OMP算法的性能受冗余字典原子间的相关性影响,本文利用基于感知字典的修正OMP算法,提高了算法性能。然而,为了得到高精度的参数估计,利用OMP算法寻找最佳匹配原子的计算量将急剧增加,本文利用遗传算法(Genetic Algorithm, GA)和粒子群优化算法(Particle Swarm Optimization, PSO)两种快速优化算法,较好地解决了计算量大的问题。本文的主要内容包括：1.研究了CS理论。从信号的稀疏表示、信号的非相干测量和稀疏重建算法几个方面做了论述。2.研究了基于OMP算法的LFM信号参数估计算法。根据CS理论的要求,构造观测矩阵、建立LFM信号模型和过完备字典,利用OMP算法寻找最佳匹配原子实现信号的参数估计。3.针对OMP算法的重建性能受原子间相干性影响,研究了基于感知字典的修正OMP算法,利用该算法实现LFM信号参数估计,提高了信号参数估计性能。论文分析了利用交替投影(AP)算法和线性约束Frobenius范数最小两种方式设计感知字典,考虑存在噪声的情况,研究了基于正则化的感知字典设计方法。4.针对OMP算法计算量大的问题,论文研究了GA算法和PSO算法两种快速优化算法,并将两种快速优化算法用于LFM信号起始频率和调频斜率的估计,提高了计算速度。