随着信息技术的快速发展,人们对信息量的需求愈发强烈,传统的信号处理技术已经无法满足现实的需求。压缩感知(CS)理论的提出突破了奈奎斯特采样定理的压缩极限限制,并且催生了诸多领域技术的革命。压缩感知理论包括三个部分:稀疏变换、测量矩阵和恢复算法。其中测量矩阵的性能优劣关系到信号的采集与恢复效果。压缩感知理论最引人注目的研究成果就是RICE大学的科学家提出的单像素相机,该系统不仅证明了压缩感知理论所具有的实际意义,同时也提出了一套崭新的成像系统。单像素相机采用单光子传感器,在采样过程中对所采集的图像进行压缩,然后通过压缩感知算法恢复。因此,单像素相机以“边采样、边压缩”的方式获取图像信息,这样不仅节约了采样资源,也降低了传感器成本。论文的主要研究内容如下:(1)基于对压缩感知理论的深入研究,首先对典型的二值化测量矩阵进行仿真与对比。对改进的Logistic混沌系统进行性能分析,在此基础上提出了基于Logistic混沌序列的二值化的确定性测量矩阵。然后在循环矩阵和托普利兹矩阵的基础上充分利用混沌序列外在的确实性与内在的随机性,设计了一种随机循环测量矩阵,相比其它确定性测量矩阵,重建效果有了较大提升且适合硬件实现。(2)基于对单像素成像系统的研究,在原有的平台基础上对光路与信号处理模块进行改进,其中包括采用聚焦能力更强的单反镜头代替单一凸透镜;选择成像面积大的硅光电二极管作为单像素传感器;设计更加精确高效的放大与滤波电路以及A/D转换器等。经过改进,其成像质量与实际应用能力有了进一步的提升。(3)在原有单像素成像平台基础上,论文提出两种彩色单像素成像设计方案。首先介绍两种方案的原理与工作流程,然后对两种方案的优缺点进行分析与对比,最终采用实时性更好的第二种设计方案。该方案可以精确地获取目标图像的结构与RGB信息。通过多种实验数据证明,所提出的改进型测量矩阵结合彩色单像素成像系统可以准确地重建出RGB图像并具有良好的鲁棒性。