随着技术和应用的不断发展,物联网给人们的生活和工作方式带来深刻的变革。在物联网系统中,需要大量的传感器采集数据,并将数据发给中央系统分析处理,这样确保了物联网系统的良好运行。然而温度、湿度、电流等绝大多数常用物联网传感器往往存在一定的非线性。传统的物联网传感器非线性校正的方法,要求信号采集与转换设备效率极高,并且在校正过程中需要对庞大的数据进行分析。因此,在进行物联网传感器非线性校正研究的同时,利用压缩感知理论克服上述两个难点是一项非常有意义和创新性的课题。针对重构算法,本文对正交匹配追踪和对偶仿射尺度内点进行了深入的研究；通过MATLAB编程仿真,从重构信号对应于原始信号的重构信噪比、误差百分比以及能量恢复系数等方面,较全面地比较了两种重构策略的优劣势,结果发现,OMP算法较对偶仿射尺度内点算法稳定,但是后者对相较于前者需要的压缩采样的数据长度更少,对偶尺度仿射内点法最低的数据长度仅为原始数据长度的26.27%。针对稀疏采样策略,本文提出了基于随机等效时间采样的策略,并对其进行了详细的理论讲解,通过MATLAB进行仿真分析了该策略对压缩感知重构算法所需的数据长度的影响。提出了在随机等效时间采样法下存在的两种采样模式：“满额度”采样方法与自适应采样方法。通过“满额度”采样,可以得到重构信噪比、误差百分比、能量恢复系数相对于随机等效时间采样步长的变化趋势；通过自适应采样算法对对偶仿射尺度内点法进行优化,使得所需的数据长度为原始数据长度的11.11%。同时,本文分析了STC12C5A60S2单片机的随机等效时间采样过程,通过串口传送数据的时序；实现了基于STC12C5A60S2单片机的随机等效时间采样与重构系统。在本系统中,电流,温度,湿度等物联网传感数据通过PL2303传递给上位机；并通过MATLAB程序实现重构信号,重构效果良好。针对物联网传感器非线性校正,本文研究了利用支持向量机算法进行物联网传感器的非线性校正,建立基于支持向量机算法的传感器非线性校正模型和算法,对随机等效时间采样系统重构信号完成非线性补偿。本文研究成果对物联网系统中传感器数据的采集,非线性校正及相关应用具有重要意义。