集成电路的发展使传感器节点拥有感知、处理和通信的功能，这使得无线传感网络得以快速发展并且广泛应用于远程环境监测、目标跟踪等领域。但无线传感网络的发展受到了能量和环境的制约，因此以节省能耗为目的通过消除数据冗余获得高效的数据采集压缩方案是无线传感网络重要的研究目标。考虑到上述传感网络的特殊性，找到传感网络的数据压缩方法以减少存储和通信压力是十分必要的，这一直是人们研究的重点难题。压缩感知的出现为无线传感网络数据收集提供了一种创新性的数据收集方案，突破了传统信号处理中奈奎斯特采样定理的限制。将压缩感知和分布式压缩感知应用于传感网络的数据处理中，可以同时实现对数据的采集与压缩，减少了采集、处理及传输的数据量，能有效的提高传输效率，节约网络能量。利用压缩感知和分布式压缩感知技术对信号进行编码与传输，最后在计算能力较强的终端重构信号，就可以保证系统性能并延长网络寿命。性能仿真实验分析验证了此方法的可行性和有效性。　　本文利用传感器节点感知数据的时间相关性、空间相关性和时空相关性结合压缩感知和分布式压缩感知技术，研究了不同应用场景下相关数据的采集和压缩算法。分析了不同的稀疏模型，研究适用于不同场景模型的测量矩阵、稀疏矩阵、采样频次，采样时刻等。在保证收集数据精确度的前提下，达到减少网络数据传输量，降低网络能耗的目的。本文主要研究内容如下:　　(1)对无线传感网络系统进行了详细分析，重点描述了该网络的体系结构，特征，及数据收集模型。　　(2)将压缩感知和分布式压缩感知应用到传感网络的数据收集和压缩中。从稀疏表示、观测投影与信号重构三个方面进行原理分析建立了压缩感知数据收集模型。对无线传感网络和水下传感网络的压缩感知数据采集方法进行建模分析。仿真验证该方法能保证性能的前提下，有效减少数据采集量，提高网络效率。　　(3)从稀疏和观测两方面优化压缩感知在无线传感网络数据压缩中的应用。在此基础上提出基于快速傅立叶变换(FFT)基和分数阶傅立叶变换基（FRFT)实现数据稀疏化的方法，并进行算法仿真。提出基于改进的几种测量矩阵，包括随机矩阵、二进制矩阵、确定性随机矩阵和动态采样矩阵，利用仿真实验验证各测量矩阵的可行性，并将其进行了性能对比分析。　　(4)研究传感网络单节点采集数据的时间相关性，并将压缩感知利用到单节点的数据采集过程，提出一种基于压缩感知的分段动态采样策略。从采样次数和采样时刻两方面设计采样策略，消除时间冗余，并对不同的采样策略进行了性能对比分析。　　(5)详细分析了分布式压缩感知的基本原理，针对相邻传感节点感知数据的空间相关性，建立消除空间冗余的分布式压缩感知数据压缩模型。针对单节点连续时间感知数据的时间相关性，构造测量矩阵和稀疏策略，提出基于时间相关的动态采样策略。针对多节点连续时间采集数据的时空相关性，提出分布式压缩感知时空动态采样策略和小波二次数据压缩算法。利用实验数据进行仿真实验，验证了减少数据收集和传输量设计方案的可靠性能。　　最后，对全文进行了总结，对研究成果进行了总结，对未来研究提出了展望。