进入信息时代以来，随着网路技术及信号技术的飞速发展，信息量急剧增大。对信号的传输与数据处理、通信的效率要求也越来越高。另一方面，对于硬件及设备的精度要求，也在不断提升。傅里叶变换在信息学的应用，为人类实现信号处理开辟了道路，从理论上实现了信号加载于载波信号传输，及无线电的产生。小波变换，则使用了非正交变换基对信号处理信号，为图像处理及信号分析技术提供了更加偏向于工程技术应用的处理方法。而在通讯理论中，人们在实现信号采样时，始终要遵循香农/那奎斯特采样定理，即采样频率必须大于信号最高频率的2倍。这一客观存在的事实，无疑为我们在信号传输的高效要求带来了极大挑战。1/f噪声是一种广泛存在于自然界的噪声，在半导体激光器中作为一种低频电噪声出现，根据器件不同会同时混杂散粒噪声（shot-noise）、产生-复合噪声及高斯白噪声。1/f噪声的某些频率特性在半导体激光器的无损检测中起到重要作用。故对1/f噪声的研究就显得尤为重要。在本人研究的半导体激光器中，低频范围内,1/f噪声在极大程度上被高斯白噪声湮没。这样势必导致对1/f噪声参数估计的困难。若采用频谱分析仪测量，硬件系统的搭建会带来极高的成本消耗。小波分析理论去噪提取噪声，虽然已经较为成熟，但是计算资源比较大。本文介绍半导体激光器发展史及其噪声成分及基本产生原理，1/f噪声的两个重要特性：存在上下限及双对数坐标下的线性单调下降性。2006年，Candes等人在稀疏分解的理论基础上，提出了一个全新的信号处理思路——压缩感知理论。不同于以往的基变换思想，这一方法采用了随机测量压缩信号的方法，将一种“稀疏”或“可被稀疏”的信号进行线性测量，得到维数远远小于原信号长度的可以用来传输的信号。这一压缩方法突破了传统那奎斯特极限。Tao等人证明了可以将l0范数问题转化为l1范数问题，至此这一理论的可行性得到了彻底的解决。本文详细介绍了稀疏分解理论的正交匹配追踪算法基础，包括算法的实际意义及迭代步骤；介绍了压缩感知技术的基本思想及正交匹配追踪算法重构信号的算法。根据压缩感知算法，首先使用小波树结构对信号进行稀疏化处理，利用压缩感知测量在含有强度较大高斯白噪声的真实测量出的1/f噪声中进行随机观测矩阵的测量，采用正交匹配追踪算法（OMP）将低维测量信号y与测量矩阵按列匹配寻找相似程度最大的向量后进行余量计算作为下次迭代初始值。理论上讲，迭代的停止可以由公式确定。由于Matlab仿真实验以提取斜率γ及1/f噪声拐点为目的，故按照最佳提取效果为迭代截止基准。在此，我们进行了一系列以迭代次数及测量矩阵维数为变化参量的实验。实验表明，在选取合适的迭代次数及矩阵维数的情况下，本算法有效和精确地估计除了参数γ及拐点位置。为课题组项目后期的可靠性分析奠定了基础。在算法的可行性证明方面，利用分形理论及1/f过程性质，使用Matlab拟合了一组含不同强度噪声的、不同γ值的1/f分形信号。利用本文算法有效提取了1/f噪声参数，实验结果证明了算法的可行性。同时，由于算法需要使用较复杂的矩阵运算技术，我们选取了德州仪器公司的达芬奇系列数字信号处理器并设计了系统，仿真了1/f信号在高斯白噪声情况下的参数提取。为今后的嵌入式硬件检测1/f噪声参数提供了参考。