压缩传感理论是近年来比较热门的一种理论，它在信号是稀疏或可压缩的前提下能用远远低于奈奎斯特采样定律要求的采样频率对信号进行采样，且能够保证信号的精确重构。相较于传统的信号处理方法，该理论仅需少量的采样点即可完成数据的获取和重构，有效地避免了因数据量大而在采样、传输以及存储过程中所带来的资源浪费。压缩传感理论包括三个部分：（1）信号的稀疏变换，即找到一个信号的最稀疏变换域；（2）观测矩阵的设计，即能保证信号原始结构不变，保证信息完整性的观测矩阵；（3）信号的重构算法，利用数学的方式求解优化问题来完成信号的重构。信号的重构部分作为压缩传感理论的核心部分，对信号的重构质量、重构速度等方面都有着直接的影响作用。本文在深入研究压缩传感理论的基本框架及现有重构算法的基础上，围绕贪婪算法所存在的缺陷展开研究，主要完成如下工作：针对正交匹配追踪算法在运算过程中耗时长速度慢的弊端，本文引入智能化处理信息的思想，将小生境粒子群算法应用到最优原子选择的过程中，取代原正交匹配追踪算法中的贪婪迭代求取内积的计算方式，将二者有效结合。实验表明，优化的算法可完成信号的精确重建，重构质量与正交匹配追踪算法相当，且速度有所提升。本文在深入研究压缩传感理论之后，分析工业生产中存在的困难，将该理论应用到石油测井数据处理中。由于海量的测井数据在采样以及传输过程中都有着巨大的压力，且浪费资源，给工作人员造成了很大的困扰。本文构建了基于压缩传感理论的石油测井数据处理系统框架，通过模拟仿真验证其可行性，结果表明，该理论在石油测井的数据处理方面具有很好的应用性。