随着智能地球和城市的持续发展,由于无线感知设备的不断大量部署,使感知数据跨越了爆炸性增长的新时代。无线传感器网络(Wireless Sensor Network,WSN)作为感知大数据的主要来源之一,广泛应用于智能交通、环境监测、工业生产等领域。然而,感知节点的能量非常有限,通常不能及时充电。同时,由于WSN的部署环境复杂,数据收集方案仍然面临安全威胁。传统的WSN已经不能满足海量数据的处理和管理要求。因此,如何在保证数据安全的前提下高效的收集数据,达到延长网络生命周期的目标成为亟待解决的关键问题。本文针对当前数据收集方案在空时相关性挖掘、稀疏字典的设计以及数据隐私保护等方面存在的突出问题,主要的创新性贡献包括如下三个方面:1)基于分层压缩的高效感知数据收集机制。针对当前数据收集机制在挖掘数据相关性和提高压缩率(或提高重建效果)等方面存在的问题,提出基于分层压缩的高效感知数据收集机制(LCS-EDC)。首先设计了一个支持挖掘空时相关性的多层次网络结构。然后,分别构建了特定的投影方法来挖掘感知节点中的时间相关性、簇内数据的空间相关性和簇间数据的空间相关性。同时,提出了详细的求解方法,以恢复原始数据,实现在Sink节点的近似数据采集。最后,仿真结果表明,所提出的分层压缩方案与传统的压缩方案相比具有更好的重建性能(即实现高效、高质量的数据采集)。2)基于分层自适应压缩的高效数据收集机制。针对基于分层压缩的高效感知数据收集机制性能有提升的空间,即进一步挖掘感知节点的时间相关性、簇头节点的空间相关性(簇内)和处理节点的空间相关性(簇间)。本部分做扩展研究,该机制通过训练稀疏字典,以适应不同类型的数据,获得更好的稀疏表示,进一步提高了数据重建精度。最后,通过对实际数据的仿真,结果表明,所提出的分层自适应压缩方案可以实现高效、高质量的数据采集,具有更好的重建性能。3)基于空时相关性的隐私保护数据收集机制。针对WSN中数据收集机制仍然面临安全威胁问题,本机制设计了一个轻量级的加密方法,该机制保证了数据的隐私不受外部窃听者和内部好奇者的攻击,而且这种加密方法不破坏数据的相关性,有利于在加密采样数据的过程中同时执行解密和解压缩操作。此外,本机制在每个感知节点(包括簇头节点)独立采样和加密,在Sink节点联合重建和解密,充分挖掘数据的空时相关性,相对重建误差较小。最后,仿真结果表明,本机制不仅可以做到高效的收集数据,而且还可以保证其过程的安全性。