本文主要将压缩感知的思想应用到LDPC信道编码领域中，在LDPC码和压缩感知的理论基础上，根据压缩感知特性，对信道的译码过程进行辅助修正，通过这一方式降低信道编码系统的误码率。在LDPC码和压缩感知的理论基础上，提出了一种基于压缩感知的LDPC编码系统框架。LDPC码在传输过程中，由于各种干扰因素，产生了大量的冗余信息，采用CS编码算法对传输信息进行适当的变换，提取出少量包含原始信号的冗余信息作为外信息，对译码过程进行辅助修正，通过这一方式降低了系统的误码率。并且对各种CS算法对系统的影响进行了研究，对观测矩阵提出了校验矩阵和高斯矩阵线性叠加，QR分解的优化方法，并分析了它们对系统的影响。在整体编码系统的基础上，讨论了外信息提取的新方法，即利用图像分割处理领域的高斯核函数的概念和性质，对信息进行处理，通过仿真实验证明，使用这种流程提取的残留冗余信息作为外信息，包含更多的原始信息，可以有效地去除噪声，修正传输差错，提高译码性能。通过进一步试验，改变优化后近似高斯核函数中重要参数的取值，并进行分析。实验证明，在一定范围内,参数越大，系统误码率越低，通过调整适当的参数，编码增益大约提高1.5db左右。此外,在应用到大规模的计算时，StOMP算法速度比BP和OMP算法更快。根据放大系数和参数，对提取外信息的近似高斯核函数模型进行了修改，并对其取值范围进行了详细的分析，了解了模型取值的内在规律，找出了参数取值的极值。实验证明，通过改进模型，编码增益大约提高2db左右。将SVD的思想与压缩感知观测矩阵融合，提出了基于SVD的观测矩阵的优化方法，通过一系列的仿真，可以看出与传统随机的高斯矩阵相比，SVD矩阵作为观测矩阵适用于一维和二维信号的CS重构算法，并且能提高系统重构信号的质量，增强系统的抗干扰能力，提高系统的稳定性。同时，这种优化方法还可以推广到一般随机测量矩阵。