无线传感器网络技术作为物联网核心技术之一，近年来得到了国内外学者的广泛关注。研究发现无线传感器网络的寿命主要取决于路由节点转发的数据量。因此将数据压缩，减小传输信息的数据量可以有效的延长网络寿命，扩大无线传感器网络的应用范围。本论文引入压缩感知的方法压缩数据，减小传输数据量。并结合无线传感器网络分布式信息采集、处理的特点，引入分布式压缩感知进行信号处理，增强信息压缩效果。本文的主要工作包括以下内容。基于压缩感知基础理论，分析无线传感器网络的监测信号的稀疏性，实现单信号独立压缩和重构。本文研究了高斯随机矩阵、贝努力随机矩阵、部分正交矩阵、部分哈达玛矩阵对信号重构精度和数据压缩程度的影响；研究匹配追踪算法、正交匹配追踪算法、梯度追踪算法对于信号重构精度，重构计算复杂度等指标的影响，确定我们实际应用的观测矩阵和重构算法。针对只能依靠经验估计来确定重构算法的迭代次数这一问题进行了研究。研究发现，要得到较好的重构结果，采用经验估计法确定的迭代次数不准确，必须选取一个较大的值，这极大的浪费了运算资源。尤其在使用随机矩阵作为观测矩阵时，矩阵的随机性会导致重构算法迭代到相同精度时，迭代次数是一个浮动的值。为此，我们提出了残差更新度的概念，利用残差匹配度的规律在迭代过程中动态决定是否停止迭代运算。研究分布式压缩感知的信号重构，使用联合稀疏模型1进行信号重构。利用信号公有部分多为低频缓变信号的特点，改变重构信号在进行重构计算时使用的观测矩阵，避免信号共有部分高频分量的计算，减小计算量，同时减小了误差。经过研究，本设计完成了无线传感器网络采集信号并组网传输至上位机显示。通过无线传感器网络实际应用环境的实验，验证了上述成果。验证表明，本算法的应用减少了网络传输数据量，降低了网络整体功耗。