无线传感器网络(Wireless Sensor Network,WSN)在农业中使用可以有效减少人工工作时间,提高农业管理效率水平,然而WSN的网络传输非常耗能,容易导致节点过早消亡。本文主要目的就是减小无线传感器传输数据的数据量来降低节点能耗,提出了一种相关性分组算法与压缩感知相结合的方法。在农田里,部署很多传感器节点在里面采集环境参数,由于传感器节点上能量有限,数据的无线传输量过多,以及传统的无线通信采样传输,产生大量的信息冗余信息会缩短传感器节点的使用寿命,所以减少数据传输采样量是减少整个网络的能耗、延长网络使用寿命的最佳方法。同时,压缩感知(Compression Sensing,CS)算法是近几年来兴起的一个数据压缩算法,由于它是一个压缩简单,重构复杂的算法,这为减少WSN的无线传输带来了新的突破口。从目前来看,将压缩感知运用到WSN上是在起步阶段,但随着压缩感知的深入研究,它的实用性越来越有价值。本文对基于CS的农业WSN数据压缩处理方法进行了深入研究,主要内容如下:1、获取传感器节点的参数数据,对数据进行相关性分析,而数据的分类有两种:一是对单数据进行分析,另一种则是多参数数据进行相关性分析。然后将相关性强的节点分在同个组中,分组结束后,选择平均相关度最大的作为参考节点,同时计算出参考节点与非参考节点间的线性回归计算;2、介绍压缩感知的重构算法。重构算法有OMP、ROMP,重点介绍这两种算法,并且进行实验来做对比。3、对相关性分组算法和压缩感知进行实验仿真。首先是对节点数据进行分簇,针对两种情况讨论:单参数进行分析、多参数进行分析。然后选取每个组中的参考节点进行压缩传输。并且讨论了不同稀疏率,稀疏基和观测矩阵的情况下,重构的恢复率如何,这样在WSN中使用压缩感知中,可以选取合适的稀疏率,稀疏基和观测矩阵。