郭 媛，王 充，杜松英

(齐齐哈尔大学计算机与控制工程学院,黑龙江 齐齐哈尔 161006)

1 引言

压缩感知CS(Compressed Sensing)作为一种新的采样理论，在2004 年一经提出便引起了广大学者的兴趣，在很多领域被广泛应用[1,2]。CS理论改变了传统奈奎斯特(Nyquist)采样定理的采样方式，不以均匀步长方式对数据进行采样，采样频率远小于Nyquist的采样要求，在实现数据压缩的同时完成对数据的采样，降低了庞大采样数据量对数据处理的硬件和存储要求[3,4]。压缩感知理论主要包含：信号稀疏化表示、测量矩阵构造和重构算法3个方面[5,6]。其中测量矩阵的构造作为CS理论的关键环节，其构造矩阵的好坏直接决定了信号的重构精度和压缩程度。高斯随机测量矩阵、伯努利随机测量矩阵等随机矩阵[7,8]被证明以较高的概率满足有限等距特性RIP(Restricted Isometry Property)条件，常被用于测量矩阵的构造中。但是，随机矩阵的不确定性会造成实验结果的不稳定性，需大量实验取均值来消除影响；而且也会给数据的存储带来较大的压力，在实际硬件上的实现复杂度较高[6,9]。确定性测量矩阵也是常见的矩阵构造方式，在系统和参数固定时，测量矩阵也相应确定，解决了随机性测量矩阵带来的存储困难和实际硬件实现复杂等问题，吸引了广大学者的关注[10]。

混沌系统是一种复杂的非线性系统，具有内在的确定性和外在的随机性特征，常常被用来代替随机数应用于安全和保密方案中[11]。混沌性测量矩阵作为确定性测量矩阵构造的一种方式，因构造方式简单、矩阵元素具有伪随机性、重构性能较好，引起越来越多学者的重视[12]。……