随着通信技术、嵌入式计算技术和传感器技术的飞速发展和日益成熟，研制出了各种具有感知能力、计算能力和通信能力的微型传感器，由许多微型传感器构成的无线传感器网络（WSN）引起了学者的极大关注。然而，大多数无线传感器由于其计算能力、存储能力、处理能力有限，特别是依靠电池供电使其在大多数领域的应用受到的限制。Skyline查询的返回结果是一个数据集的轮廓，查询中元组间的支配关系是一种偏序关系，skyline查询多用于多目标决策分析、数据挖掘等领域。Skyline查询在传统的数据库领域已得到广泛研究，并出现了许多优秀的查询处理算法和查询优化技术，但是由于无线传感器网络这种分布式环境的特点，已有的skyline查询处理技术不能直接应用到其中。大多数先前的研究工作虽然已经解决了集中式环境中的skyline查询问题，针对分布式传感器网络环境下的skyline查询问题，随着数据集维度的增加，数据点之间形成支配关系的可能性越来越小，导致了skyline点过多而无法提供有效信息。为了在高维数据集中找到更重要和更有意义的skyline点，提出了k-支配skyline的定义。但现有的k-支配skyline查询算法在时间效率、空间复杂度和查询结果渐进输出方面都有待提高，基于上述原因，提出了一种新的k-支配skyline查询算法，即KSkySensor算法。该算法是传感器网络中一种能量高效的skyline查询方法，可以有效地从传感器网络中获取更有意义的skyline结果。首先，对感知数据进行预处理计算个元组的支配能力；然后，按照支配能力和元组各维度值之和对其进行排序；接着，设计了一个基于聚簇的结构用于收集所有传感器读数；最后，提出了一个剪枝方法用于渐进地从传感器网中获取skyline结果集。在获取skyline结果集时，KSkySensor算法可以避免从传感器网络获取所有数据，在查询执行过程中这种行为的代价是极其昂贵的。实验结果表明，基于聚簇的KSkySensor查询方法在完成skyline查询的同时，能够尽可能地减少无线传感器网络中的数据传输，从而减少了节点的能量消耗，延长了网络的生命周期。