一般情况下,由无线传感器网络生成的海量感知数据记录并描述了监测对象的某种状态。但是,由于传感器网络自身的特点,节点采集的感知数据由于时间和空间上的相关性会存在大量冗余。因此,我们需要设计有效的数据收集策略来有效剔除冗余数据,提取数据中的有价值信息。在众多的感知数据压缩和收集策略中,压缩感知理论就是一种新颖的策略。压缩感知理论有三个重要内容:分别是特定变换基下信号的稀疏表征、构建与特定基不相关的观测矩阵以及重构信号算法。压缩感知理论表明只有可压缩性信号,或者特定变换基下的稀疏信号,才可以通过求解一个优化问题,从少量的样本中利用重构算法重构出原始信号,以达到减少网络中大量数据冗余的目的。本文主要针对以上问题,以压缩感知作为理论基础,对信号的稀疏性以及基于压缩感知的路由策略(即,压缩感知中观测矩阵的构建)进行了研究。主要贡献如下:(1)收集感知数据:包括真实信号和人工合成信号。首先,在真实世界中部署100个ZigBee节点,形成ZigBee传感器网络,并收集了八种不同场景的采样信号。其次,为了研究特定信号下压缩感知的性能,我们设计了人工合成信号。(2)设计正交变换基:在压缩感知中,不同的正交变换使得信号的稀疏性不同。为了更好地研究信号的稀疏性,我们设计了两种正交变换,即Row-trans变换以及Col-trans变换。通过1800次的实验测量发现,与傅里叶变换、离散余弦变换、小波变换相比,Row-trans变换、Col-trans变换的稀疏性更好,重构误差更稳定且误差值更小,得到的重构信号更接近于原始信号。(3)构建观测矩阵:设计了一种新颖的路由策略。我们以Leach-c分簇路由协议为基础,结合伯努利随机分布,提出了应用于压缩感知理论的CS_leach-c路由策略。通过实验发现CS_leach-c策略不仅延长了网络生命周期,又有效降低了网络中的能耗。显然,CS_leach-c策略更满足无线传感器网络对路由协议的要求。