压缩感知技术是针对稀疏信号或可压缩信号提出的采样和压缩同时进行的技术,引发了信号处理思想的巨大变革,是近年来国内外学术界兴起的一个研究热点。多输入多输出(MIMO)技术和信道自适应技术是未来提高频谱效率的关键技术,而发送端的信道状态信息对多用户MIMO下行链路和信道自适应技术的实现具有重要意义。压缩信号处理技术是近年来从压缩感知理论中发展而来的一种非传统性的信号处理方法,直接在压缩测量域解决信号处理问题,也是一个新的研究热点。因此,本论文主要研究了基于压缩感知的信息反馈、检测和重建问题。主要工作包含以下五个部分：(一)研究了MIMO-OFDM系统中基于压缩感知的信道质量信息(CQI)反馈压缩问题。分别提出了MIMO空间分集和空间复用两种模式下的基于压缩感知的CQI压缩反馈方法,所提出的新方法主要利用了各子载波的信道信息与相邻子载波的信道信息具有高度的相关性。我们提供了一种CQI反馈压缩的新思路,仿真结果表明,所提出的基于压缩感知的方案在减少CQI反馈量方面是有效的。(二)研究了多用户MIMO-OFDM系统中的基于压缩感知的信道方向信息(CDI)压缩反馈问题。提出了将压缩感知方法引入到多用户MIMO-OFDM系统的CDI反馈压缩中,该方案能够在减少反馈量的同时,给基站提供更精确的信道状态信息,从而提高系统容量。该方案利用了每根发送天线到用户端天线在相邻时频域上的信道系数是高度相关的这样一个事实。仿真结果表明,所提方案比基于码本的方案在分簇的情况下需要更少的反馈量,而且能够提供给发送端更精确的信道状态信息进行预编码来抑制多用户干扰。(三)研究了基于分布式压缩感知(DCS)的信道信息压缩反馈问题。提出了一种基于分布式压缩感知的信道状态信息(CSI)压缩反馈方案。首先,使用子空间矩阵对CSI信息进行逼近,然后,近似的CSI信息通过设计的测量矩阵的压缩量化,最后送到反馈链路反馈到基站。在基站端,近似的CSI信息能够利用先前反馈的CSI信息,由同时正交匹配追踪(SOMP)重建算法可靠的恢复出来。仿真结果表明了所提出的基于分布式压缩感知的压缩反馈算法能够在少的吞吐量损失的前提下提高系统的可靠性。(四)研究了压缩信号处理领域中的信号压缩检测问题。提出了一种基于粒子群(PSO)的随机矩阵的最优化方案。粒子群最优化是群体智能理论中的一种重要方法,首次用来解决信号压缩检测中的随机投影矩阵最优化问题。我们主要在两种场景下通过仿真研究了所提方案的性能：已知稀疏信号的检测和未知稀疏信号的检测。仿真结果表明基于PSO的检测器比传统的没有使用PSO的压缩检测器需要更少的测量值数目而且能够获得更好的检测性能。(五)研究了压缩信号处理领域中期望信号在窄带干扰情况下的压缩重建问题。提出了新的测量矩阵设计方案,为了进一步减少测量数目,对测量矩阵进行了优化设计,在测量的同时有效的滤除了窄带干扰,仿真结果表明,所提方案在减少测量数目的同时提高了信号重建性能。