两相流模型广泛应用于热能、核能、石油、航空航天、制冷、食品、冶金等许多工业生产的基础物理过程。然而,由于该物理过程的复杂且可变的特点,使得参数检测比较困难,随着电容层析成像(ECT)技术的不断发展,使得直观快速的两相流模型的检测成为了可能。该成像技术简单易行,安全可靠,响应速度快,慢慢发展成为各个行业信号检测的主要技术手段。电容层析成像图像重构技术是由获得的电容测量值重建管道横截面的流型以及其他两相参数的过程,重建过程中的非线性重建和不适定问题总是限制了图像重建的准确性。Donoho和Candès等人在2006年提出了压缩感知(Compressed Sensing,CS)理论,该理论指出只要信号在某个变换域上是可压缩的,就可以用基于原始信号的少量投影数据,通过求解优化问题以较大概率重构原始信号,可以证明该投影数据包含原始信号的足够信息。本文研究基于压缩感知的两相流流型重建的算法优化,并尝试一种信号重建精度高,实时性好的算法改进,以期能够高精度的重构新号。论文主要工作和创新点包括:(1)针对正交匹配算法迭代次数过多导致算法效率降低的不足,提出了一种原子选择准则改进思路,并从理论上分析该优化准则的最优性,然后进行数据仿真,验证该改进方法的正确性。(2)由于测量矩阵的性能与重构算法得出的信号重构效果有着紧密联系,考虑优化测量矩阵的性能,通过减小测量矩阵列向量的非相干性来减小信号重构误差,提高信号重构质量。(3)通过深入研究多种基于压缩感知理论的信号重建算法,提出一种改进SL0算法,从选取性能更好的连续函数和选取合适的步长因子两方面来考虑。仿真实验可以证明,该改进SL0算法在一定程度上可以改善信号重构效果。