无线传感器网络(Wireless Sensor Network, WSN)由许多微型传感器节点构成，这些节点被部署在监测环境中，它们协作感知、采集和处理环境信息，通过无线通信方式、以多跳形式自组织成局域网，再将处理后的信息传输到基站(或控制中心)．无线传感器网络涵盖了网络计算、智能存储、无线通信及传感器感知等多领域技术，成为网络研究领域前沿．无线传感器网络通常部署在环境恶劣及难达区域，节点多采用不易更换的电池供电，致使整个网络能源有限．这种情况势必导致人们寻找消耗网络能耗尽可能小的途径，进而有效延长网络生存周期．本文主要对无线传感器网络数据压缩技术展开工作，对如何有效减少数据传输及提高数据精度的数据压缩算法进行研究．给出课题的研究背景和研究意义，概述了无线传感器网络的相关知识及基础内容，并对无线传感器网络中几类应用比较广泛的数据压缩算法、应用思想、范围及优缺点进行介绍；针对有效减少数据传输及提高数据精度的数据压缩目标，给出本文提出的几种算法．首先，提出基于DP思想的无线传感器网络最优曲线数据压缩算法，这是一种有损数据压缩算法，它运用DP理论中用提取特征点来表现整体数据特征的思想，对采样数据进行压缩．该算法以选取能够体现数据整体特征的簇首为特征点进行传输，可以有效的释放节点有限内存空间，仿真验证表明该算法对于波动较大的数据有较好的特征点提取效果．其次，提出无线传感器网络数据聚集压缩算法，该算法改进了ODLRST压缩算法，属于无损数据压缩算法．算法考虑监测数据的各种可能趋势，通过判定预测数据的准确度和精确度，从两个方面对监测数据进行间断点判定及数据趋势预测．该算法不需要事先设定阈值，可以用于监测任何环境且有良好的性能，有很强的实际应用性．最后，提出一种环境监测状态判定思想，二次无偏灰色马尔科夫预测在无线传感器网络中的状态判定．它不同于传统意义的压缩，该算法首先对数据进行预测，之后根据马尔科夫预测思想对监测数据进行状态判定，并将满足监测目的的状态标识传输．仿真验证表明，该方法能够得到较为准确的预测数据及监测状态，能够有效减少网络中数据传输量，进而降低用于数据传输所消耗的能量．