无线传感网络(Wireless Sensor Networks，WSNs)具有的实时信息获取和易部署的特点使其受到了广泛关注，并在工业、医疗、军事、环境、家庭等领域得到越来越多的应用。然而，无线传感网络“多对一”的数据收集特点也极易造成“漏斗效应”，导致节点能耗消耗不均衡，从而影响网络的生命周期。近年来发展起来的压缩感知（Compressive Sensing，CS）信号处理技术为减少网络数据传输量，降低数据收集能耗，延长网络生存周期提供了新的研究思路。　　本文针对基于CS技术的无线传感网络数据收集方法中存在的一些关键问题进行了深入研究，取得了一些有意义的成果，主要包括:　　(1)针对单纯运用CS技术可能导致网络数据量依然过大的问题，提出了一种基于混合压缩感知的无线传感网络能耗优化方法，该优化方法运用混合压缩感知将网络节点分为两类，即压缩节点和转发节点，通过分析不同网络拓扑结构中网络数据量随观测矩阵的变化趋势，确定合适的混合压缩感知观测矩阵，从而在保证压缩感知数据重构精度的同时，降低网络能耗。　　(2)为了进一步减少参加压缩数据收集过程的节点数目，提出了一种代表节点自适应选择的无线传感网络数据收集方法，运用主成分分析方法，得到CS稀疏矩阵，并根据稀疏矩阵的框架势性质设计CS观测矩阵，由此选出具有代表性的节点进行数据收集。同时，根据在Sink节点处获得的数据重构精度自适应调整观测矩阵，从而保证了CS数据重构的精度。　　(3)针对CS数据收集过程中通常都要求进行多轮数据收集的问题，提出了一种基于兴趣节点选择的分布式压缩数据传输方法，该方法仅需利用兴趣节点按照“从上到下”的思路构建一条数据收集路由树，即可传输所有CS投影值，从而将多轮数据收集过程转变为一轮数据收集过程，进一步减少网络数据量，降低网络能耗。　　最后，在网络仿真平台NS2和Matlab2014a对文中提出的几种方法进行了仿真实现，并与常见数据收集及重构方法进行了比较，验证了本文方法在保证数据重构精度、降低网络能耗等方面的有效性。