为了保证复杂异构网络能够高效运行，网络管理系统需要实时监测网络设备的运行性能信息。对于异构网络复杂的结构和繁多的设备造成的海量性能数据，若不加以处理，一方面会增加网管系统传输数据的压力，严重时会降低系统的传输效率；另一方面会增加服务器存储数据的成本。而在连续时间内采集来的性能数据不仅本身具有时间冗余性，而且不同属性的性能数据间也存在一定的相关性。本文从压缩属性本身的冗余性和属性间的冗余性角度考虑，研究合适的性能数据压缩方法，减少性能数据的传输量。首先，从性能数据本身的时间冗余性角度考虑，本文采用基于小波变换的压缩感知算法对性能数据进行处理。通过小波变换将性能数据分为高频和低频两部分，高频满足压缩感知稀疏性要求，可以进行压缩感知，即以较少的观测值来表示较多的高频系数。在服务器端对高频系数进行重构时，提出一种基于小波树的SAMP重构算法。实验结果表明，本文压缩感知算法不仅具有很高的压缩率，而且在提高重构精度的同时，降低了重构时的运行时间。其次，从不同属性间的冗余性角度考虑，低频分量是对性能数据的近似逼近，不同性能数据之间的相关性在低频中依然存在，因此在对性能数据进行基于小波变换的压缩感知处理的基础上，本文提出一种基于分段SBR多属性数据压缩算法对不同属性的低频分量做进一步的压缩处理，去除不同属性之间的相关性。实验仿真结果表明，在满足误差限的基础上，本文方法具有很高的压缩率，大大减少了低频分量的传输量。最后，将基于小波变换的压缩感知和分段SBR算法相结合，综合考虑这两种算法对性能数据的整体压缩解决方案。实验结果表明，这两种算法不仅很好的去除了性能数据的冗余性，减少了性能数据的传输量；而且在服务器端能以较高的精度重构出原始性能数据。