1、無線傳感器網(wǎng)絡(WSN，Wireless Sensor Networks)具有節(jié)點數(shù)目眾多、資源容易受限以及組成的節(jié)點同構(gòu)性的特點。因此，如何通過利用WSN節(jié)點感知數(shù)據(jù)的相關性對數(shù)據(jù)進行壓縮，并以能量有效的方式來滿足WSN的應用要求，是WSN應用亟待解決的問題。近年來，一種新的信號壓縮編碼理論----壓縮感知(CS，Compressed Sensing)逐漸發(fā)展起來。壓縮感知具有編碼低復雜度、壓縮性能優(yōu)異、編碼和解碼相互獨立等優(yōu)點，所以

2、，CS特別適合應用在資源受限的WSN中。WSN節(jié)點的感知數(shù)據(jù)具有時空相關性，分布式壓縮感知(DCS，Distributed Compressed Sensing)正是側(cè)重于研究如何通過利用信號的內(nèi)相關性以及互相關性來對多個信號進行重構(gòu)，因此，DCS在WSN中具有廣闊的應用前景。
　　本文首先對無線傳感器網(wǎng)絡的現(xiàn)狀及應用作了詳細的介紹，對壓縮感知的基本理論框架也進行了較為深刻的闡述和探討，特別針對其中信號的稀疏變換、信號的壓縮測量以

3、及信號的重構(gòu)等關鍵技術(shù)進行了詳盡描述。然后，根據(jù)無線傳感器網(wǎng)絡中節(jié)點感知數(shù)據(jù)的空間相關性，建立了無線傳感器網(wǎng)絡中基于空間相關性的分布式壓縮感知的模型，在此模型的基礎上提出了編碼解碼算法，并研究了分布式壓縮感知的重構(gòu)誤差和數(shù)據(jù)壓縮比之間的關系。在此基礎上，研究WSN節(jié)點感知數(shù)據(jù)的時空相關性以及分布式壓縮感知的聯(lián)合稀疏模型，建立了無線傳感器網(wǎng)絡中基于聯(lián)合稀疏模型的時空相關性分布式壓縮感知模型，提出了相應的編碼解碼方案，并對分布式壓縮感知的聯(lián)