矿山物联网是煤矿信息化的产物,是实现对煤矿安全生产全方位感知的重要技术手段,矿山物联网的推广对提高煤矿安全生产管理水平意义重大。在矿山物联网中,众多传感器产生的数据量庞大,对数据传输网造成了巨大的冲击,因此,如何将传感器产生的实时数据进行压缩传输是矿山物联网中值得研究的一个关键问题。本文针对煤矿分布式信源产生的实时数据压缩问题展开了以下研究:(1)针对传感器采集的数据量庞大、数据变化缓慢以及传统采样方式不能及时捕获采样间隙内信号突变的问题,本文采用分布式压缩感知对传感器采集的实时数据进行处理。分布式压缩感知是一种突破了奈奎斯特采样定理的全新的信息获取方式,它能够及时地捕获到信号的异常变化信息,而且能够同时利用信号内和信号间的相关性,从而有效地减少网络传输的数据量,特别适合矿山物联网的分布式应用场景。(2)以煤矿的典型信源-瓦斯浓度信源为例,分析了其状态特性、空间相关性以及稀疏性和联合稀疏性等特性,验证了瓦斯浓度信号在FFT基上具有稀疏性和联合稀疏性,证明瓦斯浓度信号可以用分布式压缩感知理论处理,且在观测值相同的情况下分布式压缩感知的效果比压缩感知的效果要好。(3)分析了目前分布式压缩感知理论的研究中常用的高斯随机观测矩阵、伯努利随机观测矩阵以及稀疏随机观测矩阵的优缺点,然后根据矿山物联网中传感器节点对实时数据处理算法的低复杂度要求提出了一种优化的稀疏随机矩阵,在证明了优化的稀疏随机矩阵的RIP特性后对其进行了性能分析和验证,结果表明优化的稀疏随机矩阵在与FFT基的互相干系数、计算复杂度以及观测效果等方面均优于所选的其他矩阵。(4)在分布式压缩感知理论的基础上提出了一种煤矿分布式信源实时变速率编码策略,然后对编码策略中的虚拟分簇方式进行了介绍,最后针对煤矿分布式信源中变化缓慢的数据提出了一种基于游程编码思想的压缩算法,实验结果表明使用提出的实时编码策略能够很好地对煤矿的分布式信源产生的实时数据进行压缩。