无线传感器网络(Wireless Sensor Networks,WSN)源于对外界信息的需求,得益于嵌入式技术的发展。由于WSN中节点的电源一般不可更换,所以能耗成为制约WSN网络寿命的关键因素,同时也是WSN中一项重要的研究内容。而压缩感知(Compressed Sensing,CS)技术是有效解决上述问题的方法之一。CS是在2004年由陶哲轩等人提出的一种新的信号采样理论,与传统奈奎斯特采样定律相比,CS最大不同之处在于采样速率取决于信号本身的结构而不是信号的带宽,所以CS可以在低于传统的奈奎斯特采样速率的条件下,有效恢复采样信号。并且近年来,将CS应用于WSN已成为一大热点。CS通过线性运算大大减少发送信息的量,以此降低节点在发送和接受信息时所消耗的能耗,从而达到节能的效果。但是,运用CS只是节能的手段,并不是最终目的,获取监测区域的信息才是关键。所以如果将CS运用到WSN中,所面临的核心问题是:一是如何将发送信息尽可能的压缩,以减少节点发送与接收信息时所消耗的能量;二是如何将压缩之后的信息最大限度的恢复,以获取外界信息。针对上述问题,本文主要研究了感知矩阵的设计以及分布式压缩感知的改进。在设计感知矩阵方面的主要工作为:利用球形几何的相关特性设计感知矩阵,并证明该种矩阵满足限制等距特性(Restricted Isometry Property,RIP)。在改进分布式压缩感知主要工作为:一是将权重的方法运用到分布式压缩感知中获取多个信号的共同部分;二是提出了一种有损编码的方法用于缩短信号共同部分的长度;三是改进了分布式压缩感知的公式。仿真实验表明上述两种方法,不仅可以减少采样信号的数量,而且可以有效减少原始信号与恢复信号的差值。