无线传感器网络(wireless sensor network, WSN)可以实时监测和获取监控区域内的信息并通过相关协议传输给用户，为人们的工作、生活提供了便利。传感器节点通常采用电池供电，能量有限，在多数应用中节点密集分布，相邻节点间采集到的信息冗余度较大，传输冗余信息消耗较多能量，影响节点的网络生存时间。因此，如何保证接收端获得监控区域完整信息的同时，减少不必要的节点能量消耗，以延长节点的网络生存时间是WSN研究中的重点问题之一。传感器节点携带能量有限，因此节点处理能力有限和节点的生存时间短是WSN相关算法设计要考虑的主要问题。基于压缩感知（compressed sensing，CS）理论的数据压缩算法具有优异的压缩性能、低编码复杂度等特性，符合WSN的应用需求，能有效的减少传输数据的冗余度，吸引人们积极的去探讨基于压缩感知的WSN。本论文将分布式压缩感知（distributedcompressed sensing，DCS）理论应用于无线传感器网络中，主要工作及创新点如下：1.研究了将分布式压缩感知应用于WSN中，在节点处对数据进行压缩编码，通过改进的SOMP算法对信号进行恢复重构。分析了信号重构的成功率、归一化重构误差、节点能量损耗以及网络生存时间等情况。该方案在保证信号成功重构的情况下，在节点处对数据进行分布式压缩，有效的延长了WSN的网络生存时间。2.提出了一种节点休眠的方案以实现数据压缩。在节点密集分布的网络中，通过观测矩阵控制节点的工作和休眠情况，运用改进的SOMP算法使信号在接收端能够精确的恢复出来。仿真结果表明该方案能有效的节省网络的能量消耗，延长网络生存时间。3.分析对比本论文研究在节点处对信号进行分布式压缩和节点休眠策略的节能方案与传统的方法。仿真实验证明，本论文所研究的两种节能方案比传统的处理方法更有效的节约了节点的能量，延长了网络生存时间，其中节点休眠策略方案更易于实现，且有更优性能。