近年来，物联网应用的普及给无线传感器网络领域的研究带来了前所未有的关注。无线传感器网络由部署在关键监测区域内的大规模传感器节点通过无线连接的方式构建而成，通过传感器节点周期性感知场景状态并将感知数据通过无线传输的方式聚合到中央处理单元，实现了无人值守情况下的实时目标监测。显然，聚合网络数据是无线传感器网络最重要的功能之一，同时，由于传感器节点可携带能量受限，针对提高数据聚合过程中网络能量效率的研究具有重要的理论价值和实际意义。
　　现有基于压缩编码的数据聚合方案大多采用压缩感知算法对原始数据在传输过程中进行降维映射，以降低网络内数据传输量，节省传输能耗。然而，通过结合无线传感器网络的特征可以发现，现有方案设计存在诸多不足:首先，未能充分结合网络拓扑结构特征进行更为精细的数据聚合过程设计，数据传输效率可以进一步提升;其次，现有方案多为基于静态场景进行的设计，忽略了无线传感器网络节点规模动态变化的特点，在实际应用中存在诸多问题。针对以上不足之处，本文展开的研究内容如下:
　　1)针对树状网络拓扑结构下传统基于压缩感知算法设计的数据聚合方案所需数据传输量较高的问题，提出与树状拓扑结构特征相结合的数据聚合方案，通过将树状拓扑结构拆解成多个独立的数据传输路径，构造维度更低的测量矩阵，进一步降低数据聚合过程中的数据传输量，节约了网络能耗。
　　2)针对动态无线传感器网络内节点数目增加导致现有数据聚合方案产生大量更新能耗这一问题，提出了基于范德蒙矩阵设计的测量矩阵并给出了相应的网络拓展方案。同时，结合实际的数据帧发送过程给出了测量矩阵中关键参数的设计方法，并通过大量仿真验证了本方案在动态数据聚合场景下具有较高的能量效率。
　　3)针对动态无线传感器网络内节点数目增加导致现有基于压缩感知编码的数据聚合方案更新能耗较高的问题，提出了针对已有编码矩阵的高效的更新拓展方案。在确保原有矩阵不变的基础上，通过对新加入场景的节点进行最优编码向量分配，高效的应对网络场景小规模拓展的情况。
　　4)针对由于节点数目增加导致动态无线传感器网络拓扑结构失衡这一问题提出了sink节点的位置更新方案，并通过将强化学习算法实现了sink节点的自主寻路任务，最后在多个仿真场景中对所提方案的性能进行了验证。