食品溯源系统是确保食品安全的重要手段,并在食品安全领域发挥着重要作用。压缩感知理论的出现打破奈奎斯特采样定理对采样频率的限制,只需少量的采样点就能重构出精确度较高的原始信号。测量矩阵的设计在压缩感知理论中起着关键作用,其性能影响着信号的采样与信号重构的精确度。为提高食品溯源系统中数据的重构精确度,本文对压缩感知测量矩阵的设计展开研究。由于混沌系统产生的混沌序列具有良好的伪随机性,可将其用于压缩感知测量矩阵的构造中。采用混沌序列构造的测量矩阵既具有内在确定性又具有外在随机性,还能够克服随机类测量矩阵不稳定性的缺点。因此,本文在测量矩阵的设计中引入混沌理论,在传统混沌序列的基础上进行改进,设计了一种基于异或的混合混沌序列,并以混合混沌序列为基础,采用循环移位的方法构造了一种混合混沌—伯努利测量矩阵,有效提高了食品溯源系统数据重构的精确度。论文主要贡献如下:（1）针对单一混沌序列性能较差的缺点,本文在单一混沌序列的基础上做出改进,提出了一种基于异或混合混沌序列的构造方法,仿真实验表明,混合混沌序列在互相关特性、平衡性方面要优于其他两种混沌序列。（2）针对随机类测量矩阵的不稳定性的缺点,以混合混沌序列为基础,采用循环移位的方法设计了一种混合混沌—伯努利测量矩阵,并证明该测量矩阵满足有限等距性。论文将混合混沌—伯努利测量矩阵与其他几种测量矩阵进行一维信号和二维图像仿真对比实验,结果表明该测量矩阵具有一定的优势。（3）系统分析了压缩感知在食品溯源系统中的重要性,以蔬菜种植为例,使用论文设计的测量矩阵对蔬菜种植区域内的环境信号进行压缩重构。通过实验证明,本文设计的测量矩阵能够运用与食品溯源系统中,具有一定的实用价值。