无线气象传感器网络具有分布域广、部署容易、对环境影响小、成本低等优势,主要用于区域环境监测。由于节点密集部署以及气象要素具有时空连续性,网内采集数据量大、冗余度高,若直接转发数据会消耗大量资源。因此针对高冗余数据采取分布式压缩采样能够显著降低通信量。本文主要工作是利用气象传感网感知要素信息的时空相关性,研究基于分布式压缩感知的气象传感网数据收集技术:本文首先介绍了无线气象传感网的基本架构和特点,概述了传感网内数据收集技术、压缩感知以及分布式压缩感知技术,分析了现有的基于分布式压缩感知传感网数据收集技术以及其性能,为进一步研究气象传感网数据收集技术提供准备工作。针对簇型气象传感网内节点感知信息规大、冗余性高等问题,本文设计出一种数据联合稀疏预处理模型DPMJS (Data Preprocessing Model based on Joint Sparsity),结合信源公共分量完成信源预处理。利用高斯随机因子与感知数据生成的观测权值完成分布式压缩采样。相比于收集后再压缩策略,该方案能够直接从采样端降低网内信道通信量,均衡节点能耗。同时设计出一个基于信源公共分量的异常数据处理方案。通过仿真验证了 DPMJS在提高信源联合稀疏度和数据重构方面的性能。针对簇结构参与节点数目过多等问题,提出一种基于节点自身能耗分析的簇内参与采样节点数目控制策略PNOEA (The Participating Nodes Optimization model based on Energy Analysis)。每个节点利用自身剩余能量和通信预估代价完成自身能耗分析,根据簇内能耗水平确定参与该轮采样的节点数量。仿真结果表明,该策略能动态控制并降低每轮参与采,样节点数目、均衡通信负载,有效延长了网络使用寿命。