随着智慧城市的到来,需要采集的环境数据量越来越大,能耗问题成为移动传感网急需解决的关键问题。压缩感知(Compressed Sensing,CS)作为一种新型的采样技术,利用少量观测值完成对原始信号的重构,可以达到节省网络能耗的作用。另外,由于网络中的传感器长期受天气等外界因素的影响,可能存在漂移现象。面对上述挑战,本文围绕移动传感网中的协同感知,针对数据采集和数据校准两个环节,分别设计了基于压缩感知的数据采集和传感器数据协同校准算法。本文针对移动传感网数据采集提出了一种压缩感知算法。在智慧城市环境监测中,移动传感器节点数随着时间不断的变化。现有压缩感知研究较少考虑移动传感器节点数量变化对数据重构精度的影响。本文先通过神经网络训练得到移动传感器节点数、数据稀疏度和观测率之间的映射关系,然后簇头把所收到的环境数据利用CS进行压缩上传。本文所提出的算法将根据移动传感器节点的实际数量调整观测率,进而调整观测矩阵。仿真结果表明:该算法能够减少数据传输量,并且重构精度较好。由低成本移动传感器组成的移动传感网可为智慧城市环境监测提供广泛覆盖的机会,其采集数据的精确度对相关应用至关重要。因此,本文提出了一种基于移动传感网的传感器数据校准算法。首先使用BFS(Breadth First Search,广度优先搜索)算法选择部分移动传感器节点,然后利用移动传感器节点之间的校准关系进行建模,求解出移动传感器节点的漂移值,最后与移动传感器节点的测量值相加。使用开放数据集,验证本文提出的校准算法。通过仿真结果对比,传感器数据的精度得到有效的提高。