数字接收机凭借其灵敏度高、动态范围广以及易于硬件实施的特点,在无线通信领域中得到广泛的应用。但随着5G的商业化普及,移动数据流量也随之迅猛增长,导致数字接收机接收端信号采集和后端数据处理均面临着巨大压力。压缩感知（Compressed Sensing,CS）理论利用通信系统中信号的稀疏特性,仅需采集少量的数据,即可恢复出信号的全部信息,为数字接收机海量信息的接收与处理提供新途径。因此在通信系统中,设计基于CS理论采样结构的接收机具有重要的研究价值。本文将调制宽带转换器（Modulated Wideband Converter,MWC）作为主要的压缩采样结构,就压缩感知中观测矩阵的构造以及重构算法的优化展开深入研究,以实现压缩感知理论在数字接收机中的应用。首先,分析了压缩感知理论中传统观测矩阵,针对传统测量矩阵对信号重构精度不高及实现困难的问题,本文将随机Gaussian矩阵、Hadamard矩阵及伪随机Gold序列相结合,构造一种新的观测矩阵,该矩阵不仅具有灵活性、正交不相关性,还具有Gold序列易于实现特性。通过理论验证了该矩阵满足压缩感知观测矩阵的相关性质。仿真得构造的观测矩阵提升了信号重构的性能。其次,为进一步提升信号重构算法的精度,针对贪婪类重构算法中无法快速选出最优原子及计算复杂度高的问题,本文基于广义正交匹配追踪（Generalized Orthogonal Matching Pursuit,GOMP）算法提出GS-D-GOMP算法。该算法在原子筛选阶段引入了Dice系数,并结合Gram-Schmidt算法对Dice系数选出的原子做正交处理,有效提升了GOMP算法正确选取出最佳原子的概率,同时降低了算法的计算复杂度。MATLAB仿真表明,GS-D-GOMP算法重构性能优于传统算法,并且重构所需时间也有所减短。最后,本文将MWC结构与多相滤波器组结合设计压缩采样接收机,并将构造的观测矩阵和GS-D-GOMP算法运用到接收机中,验证其在信号检测及信号重构领域的性能。仿真表明,在采样通道数较多、信号信噪比较低时,基于MWC结构的压缩采样接收机可实现对信号精准地检测。且在噪声存在情况下,GS-D-GOMP算法在MWC压缩采样接收机中能实现信号在时域和频域中精准重构。本轮文有图36幅,表6个,参考文献93篇。