无线通信、传感器技术和微机电系统等技术的不断进步促成了无线传感器网络的产生和发展。无线传感器网络具有便携廉价等特点可被大量地部署在特定区域内，尤其一些恶劣的环境和人不能到达的区域，通过无线通信的方式形成一个多跳自组织的网络系统来获取外部信息，从而被广泛应用。但是其存储能力和计算能力较弱，以及能量供应能力较差等缺陷限制了其在现实生活中的应用。压缩感知作为近些年出现的热门研究前沿，可以实现数据的压缩和收集同时进行，具有良好的压缩性能，为无线传感器网络的数据收集提供了一个很好的发展平台。将无线传感器网络与压缩感知理论相结合进行数据的收集也是近些年兴起的新的研究热点。　　本文在原始压缩感知方法的基础上，主要针对无线传感器网络中利用压缩感知的数据收集方法及数据重构方法进行深入地研究和讨论。　　首先，对压缩感知理论进行了深入研究，通过查阅大量文献，了解了其在无线传感器网络中的应用，对已存在的压缩感知方法进行了详细地分析。　　其次，无线传感器网络中的感知数据具有随时空变化而不断变化的特点，而现存的很多压缩感知方法由于采用固定采样率而不能捕捉目标对象信号的这种变化。本文提出一种无线传感器网络中的自适应压缩感知数据收集策略，将数据的处理分为两个阶段:数据训练阶段和测试阶段，利用数据训练阶段生成的S-S关系图来自适应匹配测试阶段中不同检查窗口的测量值个数，从而可以用一个较低的采样率来实现较高的重构度，并提出一个新的数据稀疏化方法进行数据的前期处理，同时也对调度矩阵的选取方法进行了优化。通过仿真实验证明，本文提出的自适应压缩感知数据收集策略具有很好的性能。　　再次，针对压缩感知重构过程中稀疏度未知以及步长大小固定的情况，提出一种适用于无线传感器网络感知数据的变步长的正则化回溯的自适应追踪（Step-size Regularized Backtracking Adaptive Pursuit，SsRBAP）算法。该算法首先通过自适应的方式获得信号的稀疏度估计，并将估计值作为下一过程的初始支撑集长度;将正则化思想和子空间追踪的算法相结合，实现原子的二次筛选并筛除不合适的原子;同时，加入变步长思想来选择候选集中的原子，帮助完成信号的完整重构。通过仿真实验证明，本文提出的重构算法在速度和重构精度上均优于同类算法。　　最后，总结了本文的工作内容和研究成果，并对未来工作进行了展望。