无线传感器网络在军事和民用领域有着广阔的应用前景,是目前一个非常活跃的研究领域。与传统网络不同,无线传感器网络资源非常有限,其首要设计目标是能源的高效使用。如何节约通信能耗并保证采集数据的可靠性,是无线传感器网络研究领域的一个热点问题。数据压缩算法利用数据间的相关性去除冗余数据,对降低网络通信能耗具有十分重要的意义。同时,无线传感器网络是一种大规模分布式的自组织网络,网络拓扑控制对数据压缩算法影响很大。本文主要从数据压缩算法和网络成簇算法两个方面展开研究,主要工作如下：一、以普通小波压缩算法为基础,设计并实现了一种基于小波的鲁棒压缩算法。针对普通小波压缩算法的丢包敏感问题,做出了三点改进：数据包排序、对小波量化系数进行二元编码和数据还原逻辑推断机制。通过上述三点改进,算法将数据包地址信息和序号信息进行了融合,提高了数据压缩效率,在数据还原时恢复了部分丢失数据信息,提高了算法的鲁棒性。实验结果分析表明,和普通小波压缩算法相比,基于小波的鲁棒压缩算法在压缩比、还原率及均方差性能上均有所提高。二、分析了无线传感器网络成簇算法对数据压缩的影响。针对网络整体能耗最优化问题,.建立了一个非线性整数规划模型,进而提出一种近似最优、低复杂度的启发式簇头选举算法。在此基础上,提出一种分布式的、基于聚合收益的动态成簇算法,可分布式实现该簇头选举算法并进行成簇。理论分析和实验仿真表明,基于聚合收益的动态成簇算法能较好地解决节点负载均衡问题,提高网络能耗效率,延长网络生命周期。三、在基于开源OMNeT++平台和Mobility Framework,设计开发了一个无线传感器网络仿真系统及性能统计子系统,评估数据压缩算法和成簇算法的性能。该仿真系统设计了应用层、网络层、MAC层三个层次结构和能量模型、延时模型等六个性能统计模型,性能统计子系统实现动态实时监测实验数据。该仿真系统能够满足无线传感器网络的应用需求。