无线传感器网络的一个主要任务是传感器节点协作地感知和收集数据,并将其传送到Sink节点进行计算处理。由于硬件技术的局限,传感器节点只有有限的能量、通信带宽和存储能力。如何在资源受限、节点密集的无线传感器网络中实现高效的数据收集是当前研究的难点问题。本文针对无线传感器网络的特点,研究了基于压缩感知技术的无线传感器网络移动数据收集的问题。针对数据收集过程中的能量消耗问题,建立了移动数据收集模型,提出了基于移动数据收集器的单跳数据收集机制。通过规划收集器采集数据的位置,以覆盖全网所有的传感器节点,保证移动数据收集器的一次采集就能收集整个网络中的感知数据。在采集点选择过程中,分别提出了基于最小集合覆盖的启发式采集点选择算法、基于邻居集的启发式采集点选择算法、基于最短距离的启发式采集点选择算法。在此基础上,通过蚁群算法对获取的采集点进行最短路径求解,得到最优的移动数据收集器收集路线。进一步,利用遗传算法的寻优能力,提出了基于遗传算法与蚁群算法的移动数据收集路线规划算法。仿真结果表明,所提算法能够有效减少移动数据收集器收集路线的距离,延长网络生命周期。针对大规模无线传感器网络数据收集问题,为了进一步提高数据采集效率,建立了有限多跳数据转发模型,提出一种基于多跳的移动数据收集机制。通过选择数据采集点,局部地进行数据融合进而将数据传输给移动数据收集器。当某些传感器节点隶属于这些采集点时,通过限制转发跳数以节省能量并降低数据收集延迟。考虑到节点存储容量与节点能量等资源受限的特征,且传感器节点传递的数据具有高度的时间和空间相关性,通过引入压缩感知技术,以降低采集的数据流,从而降低节点能耗并提高网络的生命周期。根据相邻阶段重建信号的能量差,通过变步长逐步分阶段实现对稀疏度的逼近,提出一种变步长自适应匹配追踪算法。一系列仿真实验验证了算法的有效性。