1.一种压缩感知的伪随机等效采样信号重构方法，其特征在于，包括如下步骤：

步骤1)利用伪随机等效采样方法对周期信号进行采样获得采样信号；具体如下：设被采样信号周期为T，根据等效采样处理的信号周期性以第一个采样点的时刻为起始时刻，求得之后的N‑1个采样点相对于起始时刻为基准的排列时间点大小，N为传统伪随机等效采样重构信号一个周期所需要的采样点数，从而各采样点按时间顺序由小到大排列；

步骤2)将步骤1)中采样信号在离散傅里叶变换域内进行稀疏表示；所述的变换域选取N快速傅里叶变换域或离散小波变换域；具体如下：设原始信号x∈R 在变换基Ψ的变换系数T T为α，其中Ψ＝[ψ1,ψ2,...,ψN] ，R为实数集，[·]表示转置运算，ψ1,ψ2,...,ψN为变换基Ψ的列向量，则原始信号x可稀疏表示为 其中α＝[α1,α2,...,αN]，i为正整数且i∈[1,N]，若α中的非零系数个数为K时，其中K＜＜N，则称信号x在变换基Ψ内是稀疏的，稀疏度为K；

步骤3)构造伪随机等效采样观测矩阵，建立稀疏重构模型；所述的原始信号x与观测值M×Ny关系表示为y＝Φx，其中Φ为观测矩阵；具体如下：设A＝ΦΨ∈R 为压缩感知等效观测矩阵，其中M＜＜N，M为重构具有长度为N的信号波形所需的采样值序列长度，则观测值y∈MR ，y的维度远小于x的维度，式y＝Φx＝ΦΨα没有唯一解，原始信号x在表示基Ψ内具有稀疏性，通过l0范数最优化问题由观测值y重构原始信号x，建立稀疏重构模型：min||α||

0s.t.y＝Φx，式中，||·||0为向量的l0范数，表示向量α中非零元素个数；

步骤4)利用OMP算法转换求解该稀疏重构模型，重构谱域后做逆傅里叶变换得到时域信号；重构原始信号需求解式min||α||0s.t.y＝Φx，采用凸优化松弛算法或贪婪算法求解l0范数。