桥梁结构实时健康监测中存在因为海量数据导致的数据传输和存储成本大的问题,而压缩感知理论的提出为解决该问题提供了全新的思路。压缩感知理论与传统的Nyquist采样定理相比,优势在于它可以实现用少量的采样数据恢复较为准确的原始信号。然而,恢复原始信号是一个病态逆向问题,因此如何求解这个病态逆向问题和提高压缩感知信号重构的精度引起了许多学者的关注。本文融合Karhunen-Loeve　(K-L)变换和近似正交三角(QR)分解来优化压缩感知理论中的观测矩阵,增大观测矩阵列向量之间独立性的同时减小观测矩阵与稀疏基之间的相关性,以满足感知矩阵需具备有限等距性质(Restricted　Isometry　Property,RIP)的要求,从而提高振动响应信号压缩感知重构的精度和效率。以吉安大桥的环境振动试验加速度动力响应信号为研究对象,进行压缩感知信号重构分析。分析结果表明所提的观测矩阵优化方法相比单独使用K-L变换和近似QR分解优化观测矩阵,可得到更高精度的重构响应信号,且具有更简便和高效的优点;压缩感知重构信号不论在时域还是在频域,其精度均高于未优化观测矩阵重构的结果,重构的信号与原始信号吻合良好。