相较于传统信号采集和处理技术,压缩感知（CS）技术以更低的采样率实现信号采样和压缩的并行处理,高精度重构原始信号,节约系统的存储和传输资源。重构算法是CS的关键技术之一,算法性能的优劣影响重构效果。目前应用最广的匹配追踪类重构算法虽然复杂度低,结构简单,但易陷入局部最优且受信号稀疏度影响较大,重构效果欠佳。本文将具有全局寻优能力的烟花算法（FWA）引入CS技术中,提出改进型烟花重构算法（IFWRA）,提升算法性能。主要研究内容总结如下:（1）本文基于匹配追踪类算法的重构方式,使用智能优化算法优化包含重构信息的原子集,提出智能优化重构算法。其中,算法维度由稀疏度自适应匹配追踪（SAMP）算法的稀疏度估值确定。针对SAMP算法稀疏度估值易偏大的缺点,本文提出改进型SAMP（DBCSAMP）算法,算法中的双阈值变步长方法和自适应回溯机制能减小估计误差,候选集缩减方法可以剔除部分冗余原子。以高斯稀疏信号测试算法性能,结果表明,DBCSAMP算法能有效提升算法重构概率,且在信号长度较小时能准确估计稀疏度。（2）本文基于智能优化重构算法结构,结合FWA和DBCSAMP前置算法提出烟花重构算法（FWRA）提升算法精确度。针对FWRA在解空间或维度增大时寻优能力减弱的问题,本文提出IFWRA,算法使用非数值优化求解方式固定解元素,精简爆炸强度减小冗余火花,自适应爆炸幅度防止陷入局部最优,使用精英-适应度值选择策略节约运行时间。以高斯稀疏信号测试算法性能,结果表明,IFWRA的重构概率不变,对信号的重构误差显著减小,且相较于同类型重构算法运行效率更高。（3）本文为验证IFWRA的实用性,以某火炮发射时50psi量程传感器实测冲击波信号为测试信号,应用结果表明,IFWRA能够成功重构冲击波信号,且在同类型重构算法中,对信号的重构误差最小,算法运行效率最高。本文基于匹配追踪类算法和FWA提出IFWRA,优化了重构算法性能,并证实了在冲击波测试领域的实用性。