随着物联网技术的不断发展,物联网环境感知和数据处理技术得到了研究人员的广泛关注。虽然现有的环境感知和数据处理技术能够高效地完成数据的采集、处理和分析,但是在物联网接入设备数量不断增长的背景下,基于相关技术构建的物联网应用将面临着带宽、数据处理能力,系统能耗等方面的挑战。针对上述问题,本文研究基于雾计算的物联网数据采集和分析方法。主要完成的工作和创新点如下:(1)针对现有数据采集和分析系统存在的能耗较高问题,设计了基于雾计算的数据采集和分析系统,提出了自适应数据采集策略并基于该策略对系统进行了具体实现。实际场景中的测试表明,基于该策略实现的数据采集系统能够更快速地感知环境的变化,相较于现有系统其能量利用率更高;(2)针对在资源受限设备中构建物联网实时数据处理应用时所面临的问题,提出了基于雾计算的离线与实时混合数据分析架构以及基于增量主成分分析的数据压缩和异常检测方法。针对方法处理实时数据时存在的模型准确度下降等问题,提出了定时-SPE主成分模型更新策略。在公开数据集以及实际硬件设备上的测试结果表明,所提出的架构和方法能够完成实时数据的压缩和异常数据检测,提高数据处理应用的实时性且对系统的整体资源要求较低;所提出的更新策略可以以较低的资源消耗实现模型的按需更新以进一步降低系统的整体资源消耗,使方法在多种异常数据分布场景中能够保持较高的准确度。