为提高无线传感器网络（Wireless Sensor Networks，WSNs）数据处理效率和降低网络能耗，提出了一种基于自适应智能优化和分簇压缩感知的WSNs稀疏数据采集方案。首先，建立分簇WSNs稀疏数据通信模型，通过定量分析节点密度与网络数据通信总跳数的关系，给出网络自适应分簇结果，并采用簇内观测矩阵测量数据获取和簇间多跳通信方式完成WSNs压缩感知数据采集；其次，采用StOMP算法进行稀疏信号重构，针对网络节点数据包丢失等链路不可靠情况，引入相关性矩阵变换策略，以降低错误数据传输对数据重构的影响，针对数据稀疏度未知特性和StOMP算法参数配置难的缺陷，将一种新型自适应智能优化（Improved Adaptive Intelligent Optimization algorithm，IAIO）算法应用于CS重构算法中，在理论分析IAIO全局寻优能力的基础上，实现对稀疏数据的可靠重构。最后，仿真结果表明，该方案能够实现稀疏信号的精确重构，而且降低了网络通信总量，提高了网络生存时间。
