近年来,无线传感网得到了迅猛地发展,同时其作为物联网的重要支撑已引起了广泛关注。无线传感网由大量的传感器节点以自组织的方式构成。传感器节点一般是带有无线电天线的小型计算机设备,通常配备有能够感知一个或多个环境参数的传感器,具有有限的能量以及简单的计算能力。随着物联网及5G技术的发展,无线传感网的规模日益增大,网络产生海量数据需要汇聚到云端处理,节点的能量受限成为限制无线传感网进一步发展的最主要的问题。在无线传感网中,与感知数据和数据处理所需的能耗相比,数据的无线传输消耗的传感器节点中大部分的能量。因此,设计高能效的数据汇聚方案,提高网络能效延长网络寿命是目前无线传感网面临的主要挑战。本文针对无线传感网中节点的能耗问题,采用压缩感知,网络编码,预测模型和移动Sink等技术,利用无线传输的广播特性和网络中感知数据的时间和空间相关性,减少数据汇聚所需传输的数据量,从而减少网络中节点的能耗以缓解节点能量受限问题。本文的主要研究内容及创新点如下:(1)针对随机路由场景下的无线传感网,提出一种联合压缩感知与网络编码的高能效数据汇聚方案。该算法利用压缩感知和随机线性网络编码来减少网络数据汇聚过程中数据发送与接收的总次数。同时,利用两跳邻居信息来选取最优的下一跳节点,并设计了一种新的数据包格式以控制数据传输的条件来进一步减少数据传输的次数,理论推导了完成一轮数据聚集所需的总的发送和接收次数。仿真结果表明,该算法能够在保证汇聚节点重构精度的前提下提高数据汇聚的能量效率。(2)针对分簇路由模式下的无线传感网,提出一种基于时空相关性的高能效数据汇聚方案。该算法利用同一节点感知数据间的时间相关性,采用双重预测机制,以预测代替部分数据传输,减少簇内传输所需的传输次数。同时利用网络中相邻节点数据间的空间相关性,采用混合压缩感知技术手段,进一步减少数据汇聚过程中簇间传输的数据量。理论分析了新方案数据汇聚过程中的传输能耗。仿真结果表明,该算法能够减少网络数据汇聚所需的传输次数,提高系统能效。(3)针对移动Sink模式下的无线传感网,提出一种基于关键节点的高能效数据汇聚方案。该算法基于传感器网络数据间的空间相关性,根据节点数据间的相似度定义了节点价值,同时,提出一种基于节点价值、节点位置以及节点剩余能量利用贪婪算法关键节点选举的方案。其次,利用无人机作为移动Sink访问选举的关键节点以完成数据聚集。仿真结果表明,该算法能够在保证汇聚节点所需的精度前提下减少数据汇聚所需的能耗。