Es de gran importancia construir matrices de medición determinísticas con buenas características prácticas en la Sensing Comprimido (CS), incluyendo un buen rendimiento de reconstrucción, bajo costo de memoria y bajos recursos informáticos. Los códigos de comprobación de paridad de baja densidad (LDPC) y los códigos de CS pueden estar estrechamente relacionados. Este documento presenta un método de construcción de matrices de medición de sensing comprimido basadas en códigos LDPC cuasi-cíclicos (QC) y conjuntos de secuencias aritméticas. El factor de desplazamiento cíclico en cada submatriz de QC-LDPC está determinado por conjuntos de secuencias aritméticas. En comparación con matrices aleatorias, el método propuesto tiene grandes ventajas porque se genera en base a una matriz de desplazamiento cíclico, lo que requiere menos memoria de almacenamiento y menos recursos informáticos. Dado que la propiedad isométrica restringida (RIP) es difícil de verificar, la coherencia mutua y la circunferencia se utilizan como indicadores computacionalmente manejables para evaluar el rendimiento de reconstrucción de la matriz de medición. En comparación con varias matrices típicas, la matriz de medición propuesta tiene la mínima coherencia mutua y una capacidad de reconstrucción superior de la señal de CS según los resultados de simulación de señales unidimensionales (1D) y de imágenes bidimensionales (2D). Cuando la tasa de muestreo es del 0,2, la ganancia máxima (mínima) de relación pico-señal a ruido (PSNR) y de índice de similitud estructural (SSIM) es de hasta 2,89 dB (0,33 dB) y 0,031 (0,016) al utilizar 10 imágenes de prueba. Al mismo tiempo, el tiempo de reconstrucción se reduce casi a la mitad.