摘要：压缩感知中测量矩阵是数据采样和信号重构的关键，传统测量矩阵存在重构计算复杂度高、内存耗用大和随机不可控等问题。利用Logistic混沌序列优良的随机特性，对Bernoulli测量矩阵进行改进，提出一种复杂度较低的混沌Bernoulli测量矩阵。首先通过Logistic混沌系统产生混沌序列，然后运用符号函数进行映射生成Bernoulli分布的随机序列，最后将其构造为测量矩阵并在一维信号和二维图像的采样、重构中应用。仿真结果表明，基于Logistic混沌Bernoulli测量矩阵在大幅降低存储容量与计算复杂度的情况下，提高了精确性与鲁棒性。
　　关键词：压缩感知;测量矩阵;混沌序列;Logistic系统;稀疏采样
　　中图分类号：TP305