内燃机在未来一段时间内仍将是汽车主要的动力源,发展清洁高效的内燃机是目前实现国家节能减排目标最有效的手段之一。测功机系统能够模拟内燃机在不同运行状态下的负载情况,对内燃机在各种工况下的动力性能、热效率、排放及油耗等参数进行测量,为改进内燃机性能提供可靠的数据支持。但是测功机系统在高采样率下对多种类、多通道的信号进行连续采集,导致数据量极大,在数据的存储和传输上占用大量资源,严重影响测功机系统的实时性和动态性能。针对上述问题,本文根据电力测功机信号的稀疏性,将压缩感知理论应用于信号采集,研究基于压缩感知的电力测功机信号采集方法。该方法避开了信号带宽的限制,以较低的采样率对信号进行压缩和重构,减轻了测功机系统的硬件负担,为提高测功机系统的实时性和响应速度提供了一种新的解决方法。本文主要研究内容如下。（1）对电力测功机系统的信号进行了稀疏性分析。温度、湿度、压力等信号一般是线性平稳信号,在时域上结构简单。相对而言,发动机的扭矩信号和振动信号具有动态非平稳特性,稀疏性易受干扰。选用傅里叶变换基作为稀疏基,通过仿真实验对恒电流模式和恒转速模式下扭矩、振动信号进行稀疏性分析,验证了将压缩感知理论应用于电力测功机信号采集的可行性。（2）针对电力测功机信号重构,引入Dice系数匹配准则和融合SP算法的“回溯思想”,提出了一种基于Dice系数的正交匹配-子空间追踪算法。将该算法与OMP算法、SP算法,分别对一维离散信号、扭矩信号及振动信号进行重构实验,计算了三种算法的信号压缩比M/N和信号稀疏度K的信号重构概率。以永磁同步电机测功机为实验对象,利用DOMP-SP算法重构了扭矩信号和振动信号。实验结果表明,DOMP-SP算法具有较高的重构精度,能够精确地重构扭矩信号和振动信号。（3）搭建了基于压缩感知的电力测功机信号采集实验装置,完成了信号采集的硬件设计以及信号压缩与重构的算法实现。利用7.5KW电力测功机试验台,进行了内燃机扭矩信号和振动信号的压缩感知采集实验。实验结果表明,基于压缩感知的信号采集技术可以对测功机信号进行更高速的采集和传输,为提高测功机系统的动态性能提供基础。