在当前的大数据时代,压缩感知理论将采样与压缩结合在一起的处理方法具有极高的应用价值，因此对压缩感知理论的实践方法研究极具价值。该理论方法中，对信号观测方法的选取将直接影响信号的重构质量，现有观测方法研究大都是基于约束等距性质进行观测矩阵设计，以获取精确的信号重构。本文利用少量信号先验，基于信号特征进行压缩观测方法的研究，旨在最大限度地提升信号的采样效率。　　首先，对于在正交基中稀疏的信号，本文提出一种逆求观测矩阵的方法。利用正交基稀疏信号稀疏矩阵的可逆性，通过设计传感矩阵（观测矩阵与稀疏基矩阵的乘积）逆求观测矩阵，只需考虑传感矩阵是否满足有限等距性质，而不用去考虑其与正交稀疏矩阵的关系,因此降低了观测矩阵的设计难度。该方法适用于任意正交基稀疏信号，仿真实验验证了该方法的可行性和有效性。　　其次，超宽带信号的直接采样在其应用中是一个较大的难点问题，本文提出两种对于超宽带线性调频信号频域观测、时域采样的压缩采样方法：低通滤波压缩采样、自相关调制压缩采样。低通滤波压缩采样方法利用线性调频信号频域能量集中的特征，对低频谱系数观测采样通过时域采样实现，只需要简单的低通滤波、低速采样、优化重构就能够以低速率采样并重构出离散信号。自相关调制压缩采样方法在低通滤波压缩采样的基础上，利用信号频谱特征通过符号调制将信号频谱集中到低频，使得同样数量的观测值中包含更多信号信息，进一步提升了信号重构质量。通过仿真验证，这两种方法都具有可行性以及一定的优越性。尤其是自相关调制压缩采样方法，该方法具有优越的压缩采样性能和抗噪性能；在一定情况下，只需获取与稀疏度相当数量的观测值就能够重构出原信号，达到了压缩采样的极限。