传感器网络监测的实际环境中，传感M27C2001-12F1器节点采集的很多监测属性值如温度、湿度、露点温度和振动等在连续时间内的变化较小，多数邻近的数据相同或者近似。小波变换是一种能同时表征信号时域和频域行为的数学工具[41]，具有多分辨分析的特性，在不同的尺度或者压缩比下仍然能保持信号的统计特性，对压缩阵发性数据流非常有效。将传感器网络中采集到的原始数据变换到小波域来进行处理，以实现对原始数据的压缩是传感器网络中一种有效的数据处理方法。

    则称缈(f)为一个基本小波母函数，缈(f)=o，即jl- cp(t)dt=o将小波母函数进行平移，设其伸缩因子（又称尺度因子）为口，平移因子为f，令其平移伸缩后的函数为cPa,，(t)，则有cPa,，(t)为依赖参数口、丁的小波基函数。

   文献[42]提出了基于区间小波变换的数据压缩算法，利用小波理论中的快速Mallat分解算法对采样的传感数据进行小波分解，在量化阶段对小波变换后得到的高频系数和低频泵数进行阈值处理，根据量化级将小波系数映射到某个整数区间。由于分解后的传感信号能量集中在低频系数上，小波系数按一定的规律出现，因此进而应用游程编码（对数据流中连续出现多次相同数值的数据以个数和数值的形式来表示），以取得进一步的压缩效果。

   Ciancio等[43]基于小波变换中的提升因数分解方法，提出了无线传感器网络中的分布式小波数据压缩算法。该算法将小波系重定义为通往中心节点的数据流，通过计算部分小波系数，利用网络中的自然数据流来聚集数据。