压缩感知理论利用信号稀疏性直接采样压缩后的信号，具有信号采样速率低、数据存储压力小等优点，在无线传感器网络、生物电信号采集、多输入多输出系统设计以及变换域采样系统设计等领域具有广泛的应用前景。自压缩感知理论问世以来，如何设计更高效、更便于硬件实现的信号编码器以及如何设计复杂度低、重构质量高的重构算法一直是该领域的重点研究方向。
　　本论文对压缩感知理论中的观测矩阵优化设计、重构算法设计及压缩感知硬件实现等问题进行了系统研究，并在心电信号数据集上进行了实验验证，取得的研究结果如下：
　　1．提出一种高效的压缩感知观测矩阵——稀疏二值随机矩阵，该矩阵可在FPGA片内通过线性反馈移位寄存器实时生成。相比于传统二值随机矩阵，不但能有效的降低编码过程的计算复杂度，且能够显著减少片上硬件资源的消耗。
　　2．提出一种二次量化压缩感知编码方法，将近似计算理论与压缩感知量化方法相结合，同时对量化误差进行了评估。对不同量化程度的压缩感知编码方式分别进行了实验，结果表明，在保证信号重构精度的前提下，本方法能明显降低FPGA片上存储资源及逻辑资源消耗，同时可提高系统的最高运行频率。
　　3．提出两种基于深度神经网络的信号重构方法，以解决传统重构方法性能较低的问题，并在此基础上进一步提出面向卷积神经网络的FPGA硬件加速方案。实验结果表明，所提信号重构方法具有良好的重构效果，硬件加速方案具有显著的加速性能。