振动信号检测是结构健康监测领域的核心课题，高采样频率和在线监控技术产生海量数据，因此，迫切需要低能耗的分析处理理论与算法。压缩感知理论采用非自适应线性投影获取信号主体信息，以远低于奈奎斯特频率对信号进行采样，通过数值最优化问题准确重构出原始信号。低采样频率意味着信号采集端的低数据量与低能耗，从而为结构健康监测系统的大规模应用奠定了基础。本课题结合压缩感知技术与模态分析理论，详细研究了振动信号的稀疏基空间，并在此基础上构建了振动信号稀疏压缩通信算法。　　本文首先通过分析振动信号的ARMA模型，构建初步稀疏矩阵应用于振动信号的稀疏表示与复原过程，同时，根据采样信号在该矩阵空间的投影系数判断稀疏矩阵的实现效果，进而自适应地更新稀疏字典中的原子，实时地跟踪捕获信号的变化以保持较为恒定的复原效果，该矩阵能够较好地适应物体局部范围变化从而及时调整信号稀疏复原算法，保持较高的恢复精度，尤其是对于非线性较强、局部范围变化较迅速的信号。　　由模态分析理论可知，多模态振动信号在模态空间的投影是极度稀疏的，利用模态主频和信号衰减指数创建二维参数网格，圈定参数范围，构建振动模态稀疏矩阵，该矩阵反应了多模态信号的本质物理特征，能够探测信号内在的特征机理，因此可以有效地稀疏表示振动信号；通过细化参数改变网格分辨率，提高频率搜索的精度，从而获取良好的复原效果，同时结合经验模态分解方法，提高该模态矩阵构建算法的适用范围。　　本文最后针对结构健康监测系统中的传输数据量大，存在信息冗余，后台中心响应不及时的问题，提出了基于振动信号稀疏表示的稀疏压缩通信算法，并应用于准实时在线监测系统。该方法可以极大地降低通信数据量，缓解监控系统的能耗、通信等方面的压力，降低监控系统的运营成本。　　综述所述，本文以振动信号的物理特征与数学模型为基础，构建了适合于振动信号稀疏表示的基集投影空间，并根据大型结构物理性能稳定，相邻时段内系统输出响应相似的特点，提出了振动信号稀疏压缩通信算法，解决能耗与响应实时性两方面的问题，采样数据的模拟仿真表明了该算法具有较高的有效性与较强的应用性。