1.一种基于稀疏表示分类器的分布式压缩感知的传感器网络数据分类方法，汇聚节点将传感器节点的感知数据作为训练样本数据，不同的监测任务样本数据均在同一稀疏基Ψ下进行系数变换，将每个训练样本数据表示为公共部分和特有部分；采用与训练样本相同的稀疏基Ψ，根据公式x=Ψα，给定一个属于c个类别的测试样本x的类别标签；根据训练样本的公共部分和特有部分的稀疏系数，构造所有训练样本的特有稀疏系数矩阵αs和公共稀疏系数矩阵αcm；用训练样本的稀疏基矩阵将测试样本的稀疏基矩阵表示为方程：α=αcmk1+αsk2，求解上述方程为测试样本的数据x寻找类别标签y，其中，α为测试样本的稀疏基矩阵， 是系数向量。

2.根据权利要求1所述的数据分类方法，其特征在于，将训练样本中的每个数据根据公式：xj,q=Ψαcm,j+Ψαs,j(j=1,2,…,c)表示为共有部分和特有部分，其中， Ψ是稀疏基，αcm,j和αs,j分别表示公共部分和特有部分维数为m的稀疏系数。

3.根 据权 利 要 求1所 述 的数 据 分类 方 法，其特 征 在 于，根 据 公 式：，确定所有训练样本的特有稀疏系数矩阵αs，根据公式

确定所有训练样本的公共稀疏系数矩阵αcm，m为稀疏

系数的维数，n为训练数据个数。

4.根据权利要求1所述的数据分类方法，其特征在于，利用l1范数下的优化问题求解方程：α=αcmk1+αsk2，k1和k2满足条件：k1≠0且j1=j2，获得的j1或者j2即为测试样本数据x的类别标签，其中， ，， 是训练样本的j类别数据对应的共有稀疏系数， 是对应训练样本数据xj,q的特有稀疏系数。