无线传感器网络(Wireless Sensor Networks，WSN)由分布在一定区域的大量传感器节点组成，其节点所感知的数据具有高度的时空相关性。论文基于时空相关性理论，以满足感知数据精度要求和能量优化为前提，研究了能量高效的数据采样算法，设计的算法能够有效减少节点采集的数据量，从而降低了采样过程和无线通信的能量开销，均衡整个网络的能量消耗，较好地避免了能量空洞问题，从而有效延长了网络生存时间。论文的主要工作如下：一．针对无线传感器网络的感知问题。提出了一种新的传感器节点分簇算法，该分簇方法不同于面向通信应用的传统分簇算法，能够根据节点对信号的感知能力进行分簇，形成一个全面感知覆盖又相互连通的网络。而且，分簇算法将簇首节点进行轮值，实现了能量消耗均衡的目的。该分簇算法是后续两种采样方法的基础。二．设计了一种无线传感器网络自适应采样算法。该算法基于感知数据的时间相关性，通过对相关数据最小均方差的分析，自适应地调整采样频率。与固定采样频率方法相比，自适应采样算法能够及时地根据目标信号的状态调整采样频率，从而有效去除了冗余的感知数据，达到了节约能量的目的。三．设计了无线传感器网络的异步采样算法。该算法针对多个传感器节点对单个点源目标采样的情况，运用传统的过采样理论，基于分布式的方法实现了高精度的采样。同时，异步采样算法能够降低和均衡节点采样的能量消耗，延长网络寿命。