近几年,无线传感器网络技术成为国内外学者的研究热点,但是,大规模无线传感器网络存在大量技术缺陷,例如网络能量消耗以及采集数据通常具有很强的时空冗余性。传统网内数据压缩技术一方面缺少明确的压缩方法,另一方面需要大量的计算或通信资源,但是无线传感器网络资源有限。然而,近几年提出的压缩感知理论,不仅具有良好的数据压缩性能,同时使编码变得十分简单,正好符合无线传感器网络的特点,有助于提高无线传感器网络的生命周期,降低网络能耗。本文针对基于压缩感知的大规模无线传感器网络数据压缩进行了深入研究,利用联合稀疏模型的分布式压缩感知框架,针对路由算法和压缩感知的重构算法进行研究,其主要研究内容如下:首先,在深入研究LEACH路由算法基础上,针对LEACH路由算法存在选择簇头随机性以及簇分布不均匀等缺点,本文基于LEACH路由算法,提出一种基于节点剩余能量和稀疏度选择簇头的改进多跳路由算法,算法思想是先成簇再选簇头,首先根据簇头占有率确定簇头数目,根据簇头数目对无线传感器网络监测进行区域均匀划分,然后在规定区域内通过残余能量和节点的稀疏度进行簇头选择,最后设计多跳路由进行数据传输。与LEACH路由算法相比,本文算法有利于均衡无线传感器网络能量以及延长网络生命周期。其次,针对压缩感知的重构算法的重构精度与时间复杂度,有些算法必须事先已知信号稀疏度,从而确定重构算法的迭代次数。经过研究发现,大部分算法首先要已知信号稀疏度才能重构信号,那么要得到较好的重构效果,如果对稀疏值估计不准确就会降低重构精度,当估计值较大时极大浪费了运算资源。本文提出了基于能量阈值正则化的稀疏度自适应步长匹配追踪算法,SAMP算法优点是在不需要知道信号稀疏度情况下,进行信号重构,但运行时间较长,并结合ROMP算法优点,引入正则化思想,并对正则化的能量划分设置了阈值。与对比算法相比,本文算法可以提高重构精度并降低时间复杂度。