无线传感器网络（Wireless Sensor Networks，WSNs）是一种自组织、面向任务型的网络，由多个传感器节点组成。WSNs综合运用了分布式网络信息处理、嵌入式处理和无线通信等技术，通过传感器节点对目标信息的监测采集实时信息，再由节点的处理模块融合采集到的信息，融合后的信息则以无线网络等多种传递方式被发送至控制中心，至此，对目标信息的采集与监控就完成了。压缩感知（Compress Sensing，CS）是近年来的新兴的信号采集与处理技术，为WSNs的数据融合技术带来了飞跃性的突破。在现有的大多数基于CS的WSNs数据融合研究中，都是由汇聚节点直接接收网络中各个传感器节点发送来的采集信息，在进行重构时也仅仅考虑了节点信息的内部相关性，这就可能导致节点信息的丢失和网络能量的过多消耗。本文针对WSNs节点处理性能和网络能量受限的特点，提出了基于分布式压缩感知的层次型数据融合的算法：该方法结合了分层拓扑控制协议，采用WSNs节点之间的时空相关性，使用联合稀疏模型（Joint Sparsity Model，JSM）,压缩重构传感器节点信息。实验结果表明本文所提出的方法不仅可以获得精确重构节点数据信息，还可以大大降低算法实现过程中的能量消耗。本文的主要研究成果如下：（1）本文深入分析了WSNs节点的外部以及内部相关性，系统研究了基于不同分布式网络稀疏模型下的重构算法，对层次型路由协议与重构算法的有效结合进行了有益的探索；分别结合第一稀疏模型JSM-1和第二稀疏模型JSM-2，提出了在分布式压缩感知算法基础上改进的基于LEACH协议的重构算法和基于DEEC协议的重构算法。（2）提出了一种基于边信息的分布式压缩感知算法针对节点分布符合第一稀疏模型JSM-1的网络特性以及网络内节点间的时空相关性，基于网络节点层次化路由算法LEACH协议，提出了基于LEACH协议的改进的分布式压缩感知算法，该算法通过将基于边信息的分布式压缩感知（Siomp）算法与LEACH协议有效结合，改进了传统方法节点耗能过快的缺陷，提高了信源重构效率，实验结果表明：在相同的条件下，本文所提出的基于LEACH协议的分布式压缩感知算法比单纯的基于边信息的分布式压缩感知算法的效率提高了38.7%；并且所需的节点信息量更少，对目标信源的恢复效果更好，对分布式网络结构的适应性和鲁棒性更强。（3）提出了一种基于同步正交匹配追踪的分布式压缩感知算法针对节点分布符合第二稀疏模型JSM-2的网络特性以及网络内节点间的时空相关性，基于网络节点层次化路由算法DEEC协议，提出了基于DEEC协议的改进的分布式压缩感知算法，该算法通过将同步正交匹配追踪算法（SOMP）与DEEC路由协议相结合，改进了传感器网络节点能耗较大的缺陷，提高了目标信源重构的效率，实验结果表明：在相同的条件下，本文所提出的基于DEEC的改进的分布式压缩感知算法比单纯的同步正交匹配追踪算法提高了52.3%。（4）比较了两种改进算法的性能以及实用范围针对节点内部与外部的相关特性和分布式网络稀疏模型的特点，基于传感器网络的路由拓扑控制协议，在提出了两种基于分布式压缩感知的无线传感器网络层次化数据融合算法的基础上，本文详细的对比了这两种算法的性能，仿真结果表明：在相同的条件下，第五章所提出的基于DEEC的改进的DCS重构算法比第四章所提出的基于LEACH的改进的DCS重构算法在节约网络能耗方面提高了大约45.8%;并且扩展了改进算法的应用范围，基于LEACH的改进的DCS重构算法适用于第一稀疏模型，而基于DEEC的改进的DCS重构算法则适用于第二稀疏模型。