随着无线传感器网络在各个领域扮演着越来越重要的角色,安全问题成为WSN的关键问题。虚假数据入侵是一种典型的攻击方式,不但会干扰网络通信,使节点采集错误信息,影响用户决策,而且也极大消耗了有限的节点资源,缩短了网络的生命周期。针对虚假数据入侵攻击行为的检测,压缩感知采样理论可以通过实时采集少量信息来快速重构原始信号,且空间插值算法在空间信息方面也有广泛的应用。基于此理论基础,提出一种基于压缩感知和空间插值相融合的虚假数据检测算法。本文主要对压缩感知理论和空间插值算法的数据重构进行了深入性的研究,主要的创新性工作包括:（1）针对环境质量监测传感器网络存在虚假数据入侵的问题,提出一种基于压缩感知和空间插值相融合的虚假数据检测算法。检测算法主要是以空间插值和压缩感知两种算法对虚假数据的相异响应特征为手段,对于两种算法得到的重构结果,研究两者之间的相关特征来进行虚假数据的入侵检测。实现传感器节点资源的零浪费,且对虚假数据入侵形式不敏感,具备更加广泛的适用性。（2）针对压缩感知重构算法的图像重构效果较差的问题以及大规模稀疏情况,提出了一种改进的基于₁l正则化最小二乘法的压缩感知重构算法。将₁l正则化最小二乘法应用在压缩感知算法解决凸优化问题中,使用预处理的共轭梯度算法计算搜索方向,大大降低了计算量,可以短时间解决多个变量和观测值的稀疏问题,为解决压缩感知凸优化问题提供了一种新的思想。采用MATLAB平台设计仿真实验,二维图像重构实验表明,与经典的压缩感知重构算法相比,改进的算法能够更好地重构原图像,表现出了更好的图像重构效果。并且将改进算法应用到环境监测虚假数据检测算法中,进一步说明了提出的基于压缩感知和空间插值相融合的虚假数据检测算法对于虚假数据的检测方案是有效可行的。