随着计算机技术和网络通信的发展,以网络为传输媒介的网络控制系统(Networked Control System,NCS)已经成为国内外控制领域的研究热点。与传统点对点连接的控制系统相比,NCS具有网络化、集成化、节点智能化等优点,然而由于网络的引入,不可避免地产生了网络诱导时延、数据包丢失等问题,给控制系统的分析与设计带来了新的挑战。压缩感知(Compressed Sensing,CS)作为一种新颖的信号处理方法,在很多领域中被广泛使用,其能够利用少量的测量信息对原始信号进行重建的特点,很适合处理NCS中出现的一些问题,但目前CS在NCS领域的应用研究比较少。因此,本文使用了基于CS的方法来解决NCS中的问题,工作内容如下:首先,针对单输出NCS中的数据包丢失,采用了基于CS的补偿方法对丢失的数据进行补偿。针对单个时刻的补偿方法,每次只使用当前时刻前的N个输出数据作为过完备字典中的历史观测值,通过稀疏表示得到了当前丢失的数据包的补偿值;针对多个时刻的补偿方法,为了减小预测值的误差,在目标函数中加入正则项进行修正,通过迭代软阈值算法(Iterative Soft Thresholding,IST)进行求解,得到了连续P个时刻的预测值。其次,针对多输出NCS中的数据包丢失,采用了基于CS的补偿方法对丢失的数据进行补偿。针对单信道传输的系统,构建合适的滑动窗口,使得解码端和编码端的测量矩阵始终保持一致,通过CS算法对丢失的数据包进行了实时补偿;针对多信道传输的系统,考虑介质访问受限问题,在保证系统能控能观的基础上得到调度的通信序列,同时保持原始的控制器不变,在目标函数上增加正则项,通过IST算法进行求解,得到了控制器的补偿的输入值。然后,针对NCS中的网络诱导时延,提出了改进的广义预测控制算法(Generalized Predictive Control,GPC)对时延进行补偿,同时减小了传输的数据量。通过分析不同范数在二维空间下解的几何意义,将传统GPC算法的l2优化问题变为促进稀疏的l1/l2优化问题,同时对l1/l2优化中的控制增量进行稀疏表示,使得改进后的GPC算法生成稀疏的控制增量且非零元素的值比较小;通过李雅普诺夫定理得到了闭环系统渐近稳定的条件。本文使用MATLAB和近似网络环境的TrueTime工具箱对一些实例进行了数值仿真,验证了本文所提出的方法的有效性。最后对全文的工作进行了总结,并对需要进一步研究的工作进行了展望。