IR-UWB技术无需载波,利用纳秒(ns)至皮秒(ps)级的窄脉冲携带信息,具有频谱宽、功率低、抗干扰能力强等诸多特点,在雷达、测距、监控等领域应用广泛。数字化接收机,具有灵活度高、复杂度低、易于实现等优势,是IR-UWB接收机的首选框架。但是,IR-UWB信号通常拥有上GHz的带宽,接收机的采样单元面临着巨大的压力。同时,采样芯片的发展并不遵循摩尔定律。因此,难于“低成本、低复杂度”地实现IR-UWB通信。　　新兴的压缩传感(Compressed Sensing,CS)理论,在信号处理领域,一经提出便受到广泛地关注。该理论表明,当一个信号具有稀疏性或者可压缩性时,可以通过少量的信号投影值进行高精度信号重构。同时,CS理论也为解决sub-Nyquist采样率条件下的信号解调问题提供了新方法。IR-UWB信号在时域具有很高的稀疏度,同时多径信道具有天然稀疏性,满足了CS理论应用的前提条件。所以,将CS理论应用于存在信号采样瓶颈的IR-UWB通信系统的方案是具有可行性的。　　本文充分利用IR-UWB信号和多径信道的特点,在已有研究的基础上，对CS框架下的IR-UWB通信系统展开深入系统地研究。首先从理论背景出发,总结IR-UWB的关键技术和CS理论框架。然后,给出基于CS的IR-UWB系统的框架,并结合已有文献分析了IR-UWB通信在CS框架下实现的可行性。本文采用“导频辅助+BPM&M-PPM”这种信令方式,实现100Mbps的高速IR-UWB通信。在接收端,给出模拟前端和数字后端的具体方案,详细叙述压缩采样过程,在CS框架下实现信道估计和信号解调。在信道估计部分,引入易于实现的相关测量矩阵进行信道估计。针对信号解调问题,提出两种解决方案:重构映射法和压缩域直接分类法。重构映射法,虽然需要较多的测量值,但迭代次数少且误码率性能好。压缩域直接分类法,无需重构原始信号,需要的测量值少,降低硬件复杂度。本文采用OMP(正交匹配追踪)算法对压缩信号进行重构。从相对误差仿真结果看,相关测量矩阵的引入,提高了多径信道估计性能。从误码率仿真结果看,接收端存在严重ISI的情况下,当0/bEN为20-30dB时,两种解调方法都有比较好的误码率特性。两种方法的提出,为IR-UWB信号解调问题提供了新的思路。