在无线通信的认知无线电领域，宽带谱感知技术是关键挑战，它通过识别未被利用的频谱为用户打开频谱接入窗口。传统的宽带检测方法依赖大量射频前端器件，且系统参数调整困难。压缩感知技术的应用解决了这一问题：通过一个宽带数字电路，以低频谱采样获取随机样本，然后利用数字信号处理器中的稀疏信号估计算法，实现了宽带谱感知的高效处理，降低了对高采样率和数字信号处理器处理能力的需求。[5]
在信道编码方面，压缩传感理论中的稀疏性、随机性和凸优化原则被用于设计快速纠错编码，允许实时传输过程中对误差的抵抗。编码过程中，尽管编码所需的稀疏基可能未知，但在压缩传感编码中，它仅在信号重构时需要，这使得通用编码策略成为可能。实验显示，即使存在噪声，压缩传感也能准确重构高度压缩或SNR足够的图像。[6]
在波达方向估计中，目标角度的稀疏性使得压缩感知成为波束形成的有效工具。通过限制角度的稀疏限制，可以解决空间谱估计中的欠定问题。[7]
传统的自适应波束形成技术虽然性能出色，但存在旁瓣水平高和角度失匹配敏感的问题。压缩感知通过稀疏波束图整形，优化阵列增益分布，提升主瓣增益，降低旁瓣，增强接收性能。[8-9]
在成像技术上，RICE大学开发的单像素压缩数码相机，利用压缩感知原理，仅需M次随机线性测量就能重构图像，突破了低像素拍摄高质量图像的限制。同样，在雷达成像领域，压缩传感减少了脉冲压缩匹配滤波器的需求，降低了模数转换器的带宽要求，简化了系统设计。[9]
在模拟信息转换中，压缩传感理论被用于设计新型的模拟/信息转换器，解决带宽高信号信息丢失的问题，通过线性测量和后端处理重构原始信号。[10]
在生物传感中，压缩传感DNA芯片结合群组检测原理，利用生物体基因序列的稀疏特性，设计出能同时识别多种目标的芯片，显著减少了探测点数量。信号重构方面，置信传播方法在压缩传感DNA芯片中得到了应用。[11]
压缩感知，又称压缩采样，压缩传感。它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist 采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知理论一经提出，就引起学术界和工业界的广泛关注。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。