依据信号x∈Cⁿ与m个已知测量向量{a_i}^m_i=1∈Cⁿ的无相位内积{|a_i^*x|}^m_i=1恢复x被称为相位恢复（Phase Retrieval,PR）问题。PR是一个非线性非凸逆问题,广泛存在于光学成像、军事侦察与遥感、天文观测等诸多领域中。最近五年来,通过借鉴稀疏优化和压缩感知的最新研究成果,在PR问题的理论与数值算法方面取得了一系列的重要突破。但是目前理论上相对完备的结果主要基于随机高斯测量,难以在工程上实现;且已有算法的采样复杂度明显高于理论下界,远不能满足高精度实时观测的需要。本文以充分挖掘和利用模型与信号的先验信息为切入点,通过对测量过程施加预知的背景、设计“掩模——二值恢复”的混合模型、添加信号稀疏性约束等途径,有效降低了PR问题的病态程度,并从理论上证明了解的高概率唯一性。进一步地,本文结合非凸局部分析技术,在Fourier测量和随机测量的条件下分别设计了ER、RWF,SWF等高效算法,给出了算法的收敛条件并证明其收敛性,详细分析了算法的计算复杂度。数值实验显示,本文提出的一系列算法可将完全重构所需的采样复杂度m降低为O（n）,对于k稀疏信号可降至O（k²logn）,达到或接近接近理论下界。