随着现代通信技术和数字信号处理技术的发展,要求模数转换器(Analogto-Digital,ADC)直接处理超宽带信号,这对传统Nyquist采样ADC的设计实现提出了极大的挑战。受目前ADC发展水平的限制,单片ADC不能同时满足高采样率和高分辨率。然而对于某些特定的应用,例如雷达、图像处理、认知无线电等,尽管要处理的是超宽带信号,但这种超宽带信号在某个变换域内具有稀疏性,即该信号可以被某个变换矩阵稀疏表示,那么我们就可以利用压缩感知(Compressed Sensing,CS)理论,通过一个与稀疏变换基不相关的观测矩阵将高维度原始信号投影到低维度域上,实现对原始信号的亚奈奎斯特(SubNyquist)压缩采样,这种结构被称为模拟信息转换器(Analog-to-Information C onverter,AIC)。AIC可以代替传统的ADC,以较低的速率对宽带模拟信号进行有针对性的实时采样,获取所关心的信息,舍弃大量冗余,并且利用重构算法能够将原始信号从低维投影值中恢复出来。这种采样机制有效避开了传统Nyquist采样的瓶颈,被认为是一种高效的宽带采样机制。但这种结构在对信号进行重构时需要大量的观测点才能恢复,恢复矩阵规模庞大,计算复杂,不适用于硬件实时实现。调制带宽转换器(Modulated Wideband Converter,MWC)是AIC的一种变异结构,它利用周期性伪随机序列使信号恢复矩阵得到巨大简化,并且可以通过引入拓展系数降低前端硬件的复杂度。但是目前的相关研究几乎都是基于MWC的理想模型,需要大量使用理想低通滤波器,而实际应用中理想低通滤波器是无法实现的。使用非理想滤波器会降低系统的信号重构精度,严重限制了MWC系统的实用能力。本文针对MWC系统中非理想模拟低通滤波器对信号重构性能的影响,研究了最具有代表性的两种模拟滤波器,并提出了一种在频域上补偿模拟滤波器非理想性的方法,有效的提高了重构信噪比(Signal-to-Noise Ratio,SNR)。为了减小计算量从而减小硬件实现复杂度,并进一步改进了带有拓展系数的MWC系统信号恢复算法,采用基于快速傅里叶变换(Fast Fourier Transform,FFT)的结构,在频域上对采样信号进行子带分割,避免了引入数字滤波器卷积操作及相关误差,降低了恢复过程中近90%的计算复杂度,提高了信号重构成功率及重构信噪比。提出了免开平方根多列测量向量复数OMP算法(Multimeasurement vector OMP,M-OMP),每次迭代计算两个稀疏系数,并使用双端口储存单元以及双向量乘加单元的结构,提高算法的运算速度。使用Vivado软件对电路进行了综合与自动布局布线,在Xilinx Virtex-7系列FPGA芯片上进行了验证,并完成静态时序、面积与功耗分析。实现的电路采用22 bit定点数据结构,能够运行在200 MHz的时钟频率下。实验结果表明,使用采样率66.67MHz的ADC采样,在每通道256采样点的4通道MWC系统测量矩阵规模下,本文设计的信号重构电路能成功重构奈奎斯特频率为1 GHz稀疏度为12的信号,等效采样率1 GHz的ADC,压缩比为26.7%,重构时间仅为51.25 us,重构信噪比达到50.23 d B,重构速度相比软件实现在不降低重构信噪比的前提下提高了20倍以上。