随着无线传感器网络(WSNs,Wireless Sensor Network)的规模和监测种类不断扩大,系统能耗和采样效率是当前亟待解决的关键问题。在感知过程中需要采集大量的宝贵数据,诸如环境数据、周围照片和视频等多媒体数据,按照目前技术实现的效率不高,并且对于高精尖信号的采集仍有一定难度。因此,探索如何在资源和能量受限的WSNs节点上,高效的感知在使用过程中的多种类信息,将具有重要的研究意义和实际应用价值。作为一种新的传感模式,压缩感知(CS,Compress Sensing)能够在感知测量同时压缩所获取的信号,并在处理诸如雷达,图像以及编码纠错等许多应用领域中显示出巨大的潜力。模拟信息转换器(AIC,Analog to Information Converter)是一种基于CS理论的新型信号采集方案,近年来在很大程度上挑战了基于传统香农/奈奎斯特的模数转换器采样方法。本文对现有的采样模型进行归纳总结,分析了目前应用于多种传感器采样结构的优缺点以及现有的感知信息方法过程中存在的问题。首先,我们对单个环境感知节点进行研究,并搭建了新型AIC系统和相应的硬件模块。随后,针对多类型传感数据源的WSNs,重点研究了AIC感知理论,通过对AIC理论的深入学习和对多源信号的时域和频域特性分析,将AIC理论和时/频分复用采样结构相结合,制订了新的采样方案。针对传感器节点数量少、离散性高的信号,在压缩采样时利用时分复用的方法,并构造了基于随机解调的具有分时感知特性的观测矩阵。实验结果表明:本方案有效地解决了低效率传输的问题,并且显著降低WSNs的硬件成本。而对于节点中频率区分明显的信号,借鉴处理多频带信号的频分复用技术,使用频分复用的方法感知数据,减少多传感节点传输的数据量。