针对跳频信号（FH,Frequency Hopping）的分析处理,主要挑战在于大量的数据无法实时接收处理,表现为接收设备对大量信号数据存储压力大,信号分析过程计算量大导致分析过程实时性不佳。因此,如何降低接收数据的采样率,进而降低设备计算、存储压力是一个关键研究点。论文具体工作主要安排如下:第一,本文概述了跳频通信的特点及跳频信号盲解的主要流程,结合当前流行的压缩感知理论,总结分析了跳频信号分析处理的研究进展。第二,针对基于压缩感知理论的跳频信号稀疏分解过程面临的计算复杂度高,算法运算效率低的问题,本文首先将原子字典非相干分解为若干子字典,为进一步降低计算量,本文分析研究了算法理论特性,针对相邻代算法搜索原子高概率满足非相干性,本文在原子搜索过程中避免了逐次迭代,进一步降低了计算量。最后通过性能分析,验证了算法对比传统单原子搜索方式,本文算法在信噪比高于-6dB时,误差能够低于10^-5,从分解速度的角度,本文算法在信噪比高于20dB后,运算是传统单原子匹配算法的22倍,进一步表明了算法的有效性。第三,针对压缩感知框架下的测量信号重构过程中,基于传统贪婪追踪类算法重构精度低而基于凸松弛类算法重构精度高但计算量大,复杂度高的问题。从重构精度角度出发,研究改进了稀疏梯度投影重构算法,针对投影过程计算效率低的问题,研究改进了算法的惩罚项权重系数和步长参数,对权重系数进行自适应化,使其根据不同分量选择不同大小的惩罚项,降低了算法的复杂度。为加快目标函数的收敛,提高算法效率,结合当前迭代点近似模型和延迟策略改进了算法的步长设计。最后仿真验证了算法的目标函数下降速度明显快于经典投影重构算法,而且在运算时间成本和重构精度方面的性能方面优势明显。