压缩感知是一种不同于传统香农采样定理所述的等间距采样的新型方法.利用信号内在的稀疏性，通过直接测量信号在稀疏域下系数的线性叠加的方式，在压缩感知框架下，我们可以求解一些稀疏优化问题，从少量的测量数据中重建原始信号.与之相比，等间距采样框架存在两种潜在的局限性:　　1.频率非常高的信号的采集对模数转换器件性能要求非常高，这会导致巨大的实现成本，或遭遇采样器件加工技术瓶颈而无法实现.　　2.等间距采样没有充分利用信号的结构特征，使得在一些特定应用中，采样存在非常大的冗余性.　　压缩感知框架提供了克服这些局限性的可能性.目前，现代医学成像，遥感技术，声场重构，射电天文，地球物理，传感器网络等多个领域研究者们都在各自领域内重新审视信号采样的方法，以期利用压缩感知的框架突破一些传统采样方法的限制.从2006年压缩感知奠基至今，各领域的研究者们在众多国际重要刊物上发表了大量的论文，并在核磁共振，电子计算机断层扫描，压缩感知雷达，单像素成像等多种应用上取得了令人瞩目的实用性成果.　　单像素相机是压缩感知其中一个经典的成功应用.它通过对光进行调制和汇聚，达成了压缩感知测量模型，克服了基于硅材料的CMOS和CCD焦平面阵列的图像传感器感光范围只能到达近红外短波的极限，使得因工艺限制目前不能制造成焦平面阵列但对远红外敏感的新型材料制成的单像素传感器进行百万像素成像成为了可能.因此，单像素相机在红外成像领域具有重要的意义.　　本文在分析了现有的单像素相机技术与压缩感知理论的基础上，对单像素相机目前面临的瓶颈展开了研究，研究内容包括单像素相机曝光阶段的测量矩阵设计的问题，以及在信号重建阶段的算法问题.本文的主要工作有——　　1.总结了现有单像素相机的功能结构，采样原理以及算法，并定量解释了阿达马矩阵能成为单像素相机测量矩阵的原因，使用总变差域稀疏的概念对单像素相机的压缩感知意义进行了阐述.　　2.研究了目前单像素相机曝光阶段测量矩阵生成的两难问题（硬件上的随机数生成器生成测量矩阵，曝光阶段效率高，但没有结构性，图像重建慢;乱序阿达马矩阵作为测量矩阵，图像重建快，但需要预先保存在大量内存中，曝光阶段再读取，曝光阶段效率低），提出了一种生成乱序阿达马矩阵的硬件结构，综合了两种方法各自的优点.　　3.研究了目前最先进的单像素相机图像重建算法中的耗时操作，在此基础上提出了通用的阿达马变换任务级并行算法.　　本文的研究提供了一种可行的单像素相机百万像素级以上成像应用的快速曝光方案.考虑所提出采样结构的简洁高效性，该方案还能运用到其它大规模二值采样的压缩感知应用中.而快速阿达马变换被广泛应用于信号与图像处理，通信系统，数字逻辑等领域中，本文在单像素相机算法背景下研究的通用阿达马变换任务级并行算法，对这些相关应用中规模较大的阿达马变换计算的问题也有贡献.