在煤矿开采过程中,瓦斯从煤层或者岩石层中不断的涌出,通过瓦斯监测设备能够捕捉到大量的瓦斯数据,如果不能及时的对瓦斯数据进行分析,将会产生煤与瓦斯突出、瓦斯爆炸等各种危害,严重的威胁到了井下人员的人身安全。因此,我们迫切需要将收集到的瓦斯数据进行及时而又准确的分析,降低由瓦斯产生的一系列危害。如何在有限的存储空间下压缩感知大量实时瓦斯数据,且可高精度恢复压缩的瓦斯数据,这一问题至关重要。本文针对瓦斯数据信号重构精度低和重构过程复杂等问题,重点研究了瓦斯信号压缩感知中的信号稀疏化和观测矩阵的构造技术,通过变分模态分解使瓦斯信号越发稀疏化,构造一个适合于稀疏信号的自适应观测矩阵,使得瓦斯数据的重构概率大大增加。本文的主要研究内容如下:(1)在瓦斯数据的收集过程中,会获取到少量缺失的、异常的数据,这些数据直接影响到信号的分析处理,采用简单移动平均值法将缺失的、异常的瓦斯数据填补,获得完整的瓦斯数据信号;由于瓦斯数据信号是大量的和非稀疏化的,使用变分模态分解(Variational Mode Decomposition,VMD)将瓦斯信号进行分离,得到一系列瓦斯信号的变分模态函数信号分量,通过设定阈值保留有效信息,去除多余的信息,使得瓦斯信号更加稀疏化,此时的瓦斯数据信号具有稀疏性,同时包含了原始瓦斯数据信号的大部分信息。(2)根据瓦斯数据信号具有非平稳、突变的特性,构造了一个适合于稀疏信号的自适应观测矩阵,首先将高斯矩阵进行分块化处理,其次通过设定的阈值矩阵和选择的稀疏基做内积处理,构造自适应观测矩阵。观测矩阵可随稀疏信号而改变,在保留大信息量的同时,剔除不含信息量的信号并进行清零操作。通过对比实验验证了文中提出的算法具有较高的重构质量。