La teoría de muestreo comprimido (CS) ha demostrado un tremendo potencial en muchos campos, especialmente en el área de procesamiento de señales, debido a su utilidad en la recuperación de señales desconocidas con tasas de muestreo mucho más bajas que la frecuencia de Nyquist. En este documento, presentamos un algoritmo de recuperación novedoso y optimizado llamado supp-BPDN. El algoritmo propuesto ejecuta un paso de selección y registro del conjunto de soporte de las señales originales antes de utilizar el algoritmo de recuperación tradicional más utilizado en el procesamiento de señales llamado denoising de búsqueda de base (BPDN). Demostramos matemáticamente que incluso en un sistema de CS afectado por ruido, la probabilidad de seleccionar el conjunto de soporte de señales sigue acercándose a 1, lo que significa que supp-BPDN puede mantener un buen rendimiento en sistemas en los que existe ruido. Se demuestran resultados de recuperación para verificar la efectividad y superioridad de supp-BPDN. Además, configuramos un sistema de CS habilitado para fotónica que realiza la reconstrucción de una señal de dos tonos con una frecuencia pico de 350 MHz a través de un convertidor analógico-digital (ADC) de 200 MHz y una señal con una frecuencia pico de 1 GHz por un ADC de 500 MHz. De manera similar, supp-BPDN mostró mejores resultados de reconstrucción que BPDN.