压缩感知技术用于大气湍流波前斜率测量能在很大程度上提高波前信号的测量速度，同时降低波前测量系统的硬件压力。与现有波前斜率测量方法不同，压缩感知波前测量方法增加了从波前斜率的稀疏测量值到波前斜率信号的重建过程，因此将压缩感知技术用于波前测量，需要快速、高精度的波前斜率重建算法。Smoothed L0 Norm (SL0)算法是一种近似L0 范数估计的优化迭代重建算法，与其它算法相比，不需要事先知道信号的稀疏度，计算量低且估计精度高。本文以SL0算法为基础，对波前斜率信号分区域测量，再结合并行运算，通过理论分析和仿真实验实现了一种能够快速、高精度重建信号的分区域并行算法—Block-Smoothed L0 Norm (B-SL0)。实验结果表明，B-SL0在计算时间和精度都明显优于现有的其它重建算法，对压缩感知技术用于大气湍流波前测量的可行性进行了初步探索。

利用压缩感知技术对大气湍流波前探测数据进行压缩，可使测量数据量大幅度减少，能有效降低数据的传输与存储压力，有利于湍流波前的实时测量；但压缩条件要求波前信号是稀疏的或在某个变换域内能够稀疏表示。本文对大气湍流波前斜率信号的稀疏性进行了初步研究，基于大气湍流的统计特性，在频域内对湍流功率谱作黄金分割采样(GS)，建立符合大气湍流斜率物理特征的稀疏基，明确了湍流波前斜率的稀疏性。利用该GS 稀疏基对波前斜率进行稀疏分解，并通过仿真实验对比了不同稀疏基对波前斜率的稀疏分解效果。在此基础上，以GS 基作为训练基的初始化字典，进行K 奇异值分解字典训练(KSVD)，得到训练基(KSVD-GS)，分析了该训练基对波前斜率信号的稀疏表示性能。本文验证了波前斜率能够稀疏分解，建立了一个较好的稀疏基，为压缩感知的应用提供了前提基础。