随着大数据和人工智能时代的到来,物联网再次成为了研究者关注的焦点。物联网不仅给人们平时的生活带来了很大的便利,同时在医疗健康、环境监测、军事侦查以及工业领域都有很大的应用。无线传感器网络,作为物联网的核心技术之一,是由大量随机分布的传感器节点负责感知、收集、处理和分析数据信息,从而得到有效的信息并传递给用户。但是由于节点的电量有限、存储空间受限,因此,如何能够融合这些大量的数据,并且在传输的过程中减少能量的消耗,延长网络寿命变得尤为重要。此外,在一些实时性要求较高的场景下,如何将收集到的信息以最短的延迟尽快地传递到汇聚节点也是主要研究内容之一。在无线传感器网络中,传统的数据融合方式主要以减少数据冗余为目的,而不能够大幅度减少数据包的传输量与传感器的通信消耗,因此,本文利用所采集数据的时空相关性和传感器网络的自身特点,通过稀疏设计测量矩阵,提出基于稀疏性压缩感知的数据融合方法,从而减少网络的传输数据包的数量量和能量消耗。本文的主要工作内容如下:首先,针对传统的压缩感知的收集方式,本文提出了一种基于确定性二值的测量矩阵的测量算法,该算法构造过程简单快速。测量矩阵中的每一行代表一次测量过程,每次测量相互独立。由于测量矩阵的稀疏性特点,对应矩阵中的非0元素的节点参与每次测量,参与同一个测量的节点的数据被融合成一个数据包传递到汇聚节点。当汇聚节点收集到所有的测量值的时候,可以准确地恢复原始数据。其次,针对传感网中时延长和能量不均衡的问题,本文提出了一种基于稀疏随机测量矩阵的融合算法。该算法在保证恢复原始数据的前提下,将测量过程分解为多个融合树,单个融合树是由部分节点参与。在传递数据的过程中,本文提出了一种减少时延的传输策略。另外,由于所设计矩阵的随机性和稀疏性的特点,节点的能量消耗能够达到均衡,从而可以延长网络寿命。最后,本文系统分析了所提出的算法,并对算法进行实验验证。实验结果表明:对于能在频域上稀疏表示的信号,采用确定性二值矩阵能够有效地减少网络能量消耗,而基于稀疏矩阵的低延迟且能量均衡的数据融合算法可以减少通信时延,均衡通信消耗。