无线传感网(Wireless Sensor Network,WSN)由大量在监控环境中随机分布的感知节点组成,在农业、军事、环境以及工业等各个领域发挥着不可或缺的作用,节点通过感知模块、收集模块与传输模块将数据收集并传递给基站(Base Station,BS),然后在BS完成数据的分析与处理。由于WSN大多部署在环境恶劣,人为难以到达的地方,并且节点能量补充、替换的成本较高,因此,网络的能耗、均衡性、稳定性以及生命周期成为研究的重点。WSN中能量主要用于数据的收发,因此减少数据的传输量是降低能耗的主要途径之一。压缩感知(Compressive Sensing,CS)理论利用信号的稀疏性,通过观测矩阵将高维度信号转换为低维度信号,能够有效地减少数据量,并根据重构算法恢复接收的数据。本文在数据收集过程中结合CS理论,可高效率地压缩数据,降低数据的收发量,实现减少网络能耗,延长网络生存周期的目的。具体研究工作如下:(1)针对WSN中节点部署密集,数据冗余性较高的问题,本文根据CS理论和空间相关性来减少参与采样的节点,提高网络传输效率;针对节点短时间内收集的数据可压缩性强的特点,本文通过CS理论和时间相关性将多个时隙的数据压缩,减少数据收发量。因此,通过结合CS理论与时空相关性,可达到降低节点能耗,延长网络有效工作时间的目的。(2)针对现有链式收集算法能耗偏高、均衡性较差以及节点部署数量较多的问题,本文提出一种基于时空压缩的链式数据收集算法。首先,该算法在随机游走算法(Random Walk,RW)的基础上结合时空相关性,充分压缩节点收集的数据;其次,在游走开始阶段,该算法根据提出的节点类别开启数据收集过程;然后,该算法利用邻居节点分布信息预测传输长度,判断游走方向,以改善RW算法传输长度过长导致的能耗高的问题;为了缓解节点能耗不均衡的现象,该算法通过提出的访问记录机制平衡节点访问量;最后,通过仿真实验验证算法的可行性,结果表明:相比于已有的CSRW、STCS-RW和STCDG-TW算法,该算法降低了节点能耗,提高了网络均衡性,并减少了节点部署量。(3)为了进一步提升网络的均衡性,延长网络寿命,本文提出一种基于Fuzzy ART的分簇数据收集算法。首先,该算法根据空间相关性与簇的关系,结合Fuzzy ART、Hausdorff距离以及数据相异度,优化簇的形成过程;然后,利用节点剩余能量、簇间及簇内通信距离设计新的簇头轮换机制;其次,为了提高簇的收集效率,该算法改善了功能性节点的选择策略;此外,通过研究路由对网络能耗与稳定性的影响,提出了簇内两跳路由与簇间分阶段路由策略;最后,通过仿真实验验证算法的有效性,相比于已有的Cluster HCS算法,该算法能有效降低网络能耗,提高网络均衡性和稳定性,与本文提出的基于时空压缩的链式数据收集算法相比,可进一步延长网络生存周期。