煤矿物联网作为一个新兴的热点研究领域，集成了传感器技术、微机电系统技术、无线通信技术和分布式信息处理技术等。它将物联网技术应用在煤矿环境中，提高井下作业的可见性与安全性，改变了传统的矿井作业方式。压缩感知理论为信号采集技术带来了革命性的突破，以远低于奈奎斯特频率对信号进行采样，通过数值最优化的方法准确重构出原始信号。尽管压缩感知理论还不完善，但它的出现已在信号处理及其他领域掀起了一股研究热潮，为目前许多尚未解决的难题提供了新思路和新方法。压缩感知理论有着强大的生命力，将会开创更加广阔的应用前景。本文从压缩感知算法入手，介绍了压缩感知理论相对于其他的数据融合技术在煤矿物联网中的应用优势，并分析了压缩感知理论尚存在的问题。针对煤矿物联网这个应用环境，提出了改进方法，即基于小波变换的LSC-CS理论，该算法通过对具有逻辑相关性的数据构成的矩阵分别进行小波行变换和小波列变换去除数据的时间相关性和空间相关性，对降低数据在传输、存储等方面的能量消耗具有重要意义。最后，基于Matlab仿真平台，模拟矿井下环境，用基于小波变换的LSC-CS算法对温度、湿度等数据进行仿真，测试改进后的算法在能耗、可靠性和有效性等方面的性能，并与传统算法进行比较分析，证明改进的算法对提高信号重构精度有明显效果，对能耗方面也有明显的提高。