吴贤国，邓婷婷，陈 彬，*，曾铁梅，陈虹宇，张凯南

(1.华中科技大学土木与水利工程学院，湖北 武汉 430074；2.武汉地铁集团有限公司，湖北 武汉 430030；3.新加坡南洋理工大学土木工程与环境学院，新加坡 639798)

0 引言

近年来，随着地下交通运输系统的迅猛发展，基于多节点传感器网络的地铁损伤识别及健康监测系统逐步得到应用，监测数据采集、传输、存储和处理成本的消耗是传感器网络系统搭建的一个关键性技术问题。传统的信号采集方法基于Nyquist采样定律，为了避免信号恢复的损耗，响应采集频率需大于原始响应最大频次的2倍，给数据的传输和存储带来沉重的负担，如何在保证重构精度的情况下尽可能地减少数据量是地铁健康监测系统数据采集与传输领域面临的新挑战。

随着信号采集重构问题的出现，Donoho[1]、Candes等[2]提出了压缩感知理论的基本原理，并将压缩感知理论分为信号稀疏化、选取测量矩阵和信号重构算法3个主要部分。其中，测量矩阵将稀疏信号从高维空间投影到低维空间上，解决了传统采样方法数据存储压力大、采样时间长的问题[3]。由于测量矩阵决定了采样信息的压缩性能与恢复质量，其构建成为了压缩感知研究的热点[4]。Bajwa等[5]提出构建Toeplitz随机矩阵，简化了测量矩阵的结构和尺度。赵贻玖[6]对随机等效采样技术的随机相位产生机制进行了分析。Yang等[7]基于图像先验以及条件约束来设计最佳的自适应测量矩阵。Wu等[8]将测量的耦合值作为边界条件来求解Laplace′s方程，得出的自适应测量矩阵能够较好地平衡处理次数与处理精度。……