煤炭精准开采是人类社会未来采矿必由之路。随着矿山物联网应用系统在矿井下的实现,大面积、分布式、网络化智能节点的使用为实现矿山安全泛在感知提供了可能。矿山分布式监控背景下,大量的矿震传感器节点分布在井下以实现安全监测,众多的传感器节点处理的数据量庞大。如何压缩大量的矿震传感器节点所带来的海量信息及如何重构压缩后的数据,是本文研究的主要内容。本文分析了分布式微震监测系统的基本原理,并给出了微震节点的设计与实现过程,针对分布式微震监测环境下微震数据量大的问题,引入分布式压缩感知理论对微震数据进行压缩以减小数据传输量,并提出了一种改进的重构算法。首先分析了矿山物联网的特点及将分布式压缩感知理论应用于矿山物联的优势,这些优势使得分布式压缩感知特别适用在资源受限的矿山物联网中。针对分布式压缩感知理论的前提是信号要具有稀疏性,以微震信号为研究对象,利用FFT基分析微震信号的稀疏性,结果表明微震信号在频域是具有稀疏性的。然后针对分布式压缩感知是基于信号间的相关性的,模拟分布式场景,分析了分布式微震传感器节点的空间相关性,并分析了其编码及压缩处理过程。由于现有的大多数重构算法是基于信号的稀疏度的,在广义正交匹配追踪算法及稀疏度自适应匹配追踪算法的基础上,本文提出了一种改进的分布式稀疏度自适应正交匹配追踪重构算法,并分析了改进算法的性能。基于MATLAB仿真平台,用改进的算法重构稀疏测量后的分布式微震信号,仿真结果表明,该算法在减少计算量的前提下有效地恢复了原始微震信号。