随着物理研究的深入,现代高能物理实验装置的对撞能量、实验规模、总通道数、事例率等逐步提高,同时某些物理实验对于探测器输出信号的波形特征也提出了相应的要求,这使得传统的基于模拟积分、成形放大的技术路线无法适应这样的发展方向,因此在当代的物理实验中,出现了波形数字化这种技术路线。该技术的理论基础是Shannon采样定理,即采样频率必须至少为信号频率最大值的两倍。为了能够重构出探测器输出的快速信号,信号数字化的采样频率越来越高,从而带来了如功耗、成本、体积、散热、传输、存储、处理等一系列难题。压缩感知(Compressive Sensing)或压缩采样(Compressive Sampling)是自2004年以来兴起的一种信号处理理论。该理论指出：在满足一定条件下,可以用比传统的Shannon采样方法更少的样本(或测量值)稳定且精确地重构出原始信号。在这种压缩采样方法下,采样率会远低于Nyqu ist率,而采样过程中所产生的数据量也会大大地减少,因此压缩感知受到了极大的关注而得到迅速发展。特别是最近几年,压缩感知在理论和实用技术方面都取得了长足的进展,例如已经设计出基于压缩感知的硬件设备——随机调制预积分器。另外,压缩感知在诸多领域也展开了广泛的应用研究,然而其在高能物理、核物理实验中的核信号采集还没展开研究,探讨核信号的压缩采样是一件非常有意义的事情。据此,本论文将开展适用于核信号的压缩采样方法研究,为现代高能物理、核物理实验中核信号采集提供了一种新思路。为实现该目标,需要至少解决如下几个关键问题：一、核信号的稀疏表示；二、现有压缩感知理论框架在解决核信号采集方面的可行性；三、合适的稀疏恢复算法：四、实现核信号压缩采样的硬件采集架构。压缩感知作为一种新的采样理论,其数学模型表示的是一个欠定线性方程组,即方程的数目小于未知数的数目。为了正确地求解该欠定方程组,需要利用信号在某个变换域上具有稀疏性这一先验知识,将其转变为一个有约束条件的l0范数最小化问题,这是一个NP-Hard问题,在一定条件下,可用l1范数最小化问题代替l0范数最小化问题来求解。围绕压缩感知理论的特点,为解决前文所提四个关键科学问题,本论文的研究过程将包括：第一,调研核探测器信号的基本产生机制,并简单分析核信号的稀疏性,将核信号看成是短时间脉冲信号,利用Gabor框架来稀疏表示核信号；第二,分析基于Shannon采样定理的一般性数据采集过程,进行对比研究；第三,利用稀疏恢复算法通过求解欠定方程组的l1范数最小化问题来重构原始信号；第四,研究利用基于压缩感知的硬件采集架构中的随机解调器进行核信号的压缩采样。