随着科技的迅速发展,人们对数字信号处理的要求也越来越高,传统的奈奎斯特采样定理在很大程度上限制了信息的处理能力。而压缩感知理论打破了传统的采样限制,实现了采样方式由信号采样转变为信息采样,使得少量的采样数据也保持了原始信号的信息。同时,也能通过这些采样数据精确或者近似精确的重构出原始信号。压缩感知理论主要包括稀疏表示、感知测量和信号重构三个方面,感知测量是其中一个很重要的部分。测量矩阵的构造是感知测量的核心内容,测量矩阵的性能直接影响了压缩的实现和信号的精确重构。目前仍然没有一个明确的方法来构建这样的矩阵,如何构造一个性能更好的测量矩阵这也是论文的研究重点。论文首先从压缩感知理论的应用分析入手,从其感知过程的三个部分分别进行了结构及关联的分析,给出了测量矩阵应满足的RIP条件或者非相关性。在此基础上给出了常用测量矩阵的具体构造方法,并在图像信号中进行了仿真实验,分析比较了几种测量矩阵的性能,解决了常用测量矩阵虽然满足RIP条件,但是它们当中有的测量矩阵所具有的随机性太强、密度太大,使得计算负载过大,有的不易于在硬件上实现,而有的仿真效果不是很理想的问题。针对现有测量矩阵存在的问题,论文主要从下面几个方面研究了测量矩阵的构造,一是测量矩阵的稀疏性,二是测量矩阵的硬件实现。基于对测量矩阵的深入研究,发现LDPC码的校验矩阵是一种低密度的稀疏矩阵,它具有很强的稀疏性,并且在构造过程中,它的每一个子矩阵是通过其它子矩阵循环移位得到的,这样的结构易于在硬件上实现。同时LDPC码的校验矩阵具有很强的正交性,理论证明,当LDPC码的校验矩阵满足RC约束时,其行列之间具有非相关性,即说明它满足RIP条件。利用LDPC码的校验矩阵的以上特征,将LDPC码的校验矩阵引入压缩感知理论中,构造一种LDPC码测量矩阵。实验证明,论文构造的测量矩阵具有良好的观测效果,其在结构上的循环性使得它易于在硬件上实现,适合作为测量矩阵用于压缩感知理论的测量过程。