无线传感器网络(Wireless Sensor Networks, WSN)是21世纪最重要的技术之一,其在很多领域例如环境监测、科学观察、智能家居、结构监测、应急监测等都具有非常广阔的应用前景和科研价值。WSN随着物理与环境条件的不断变化、数据处理方式和无线传输等因素的不断改进,在传感器节点的结构大小、开销程度等方面已经有了很大的优化,但由于WSN自身的特性以及传感器节点具有部署密集、高不可靠性、服务器能量有限、计算能力与内存约束等特点,使得如何在数据量庞大的网络环境中应对不同领域的不同需求,提供更为高效高质量的数据处理转发技术开始变为研究热点。对于WSN这种新兴的信息获取技术来说,在无线节点的传输范围、处理和存储能力和能耗都是非常有限的条件下,如何改进信息数据的传输以及数据融合相关技术显得至关重要。本文主要研究的路由优化是WSN中非常重要的一项技术。WSN中的路由协议主要用来维护网络间的各种路径,并能够确保在不同环境下可靠的多跳传输。本文针对WSN相关的路由协议对于网络拓扑感知能力和对节点移动性的支持能力差这个问题,研究如何平衡网络中各个上下文因素、在动态网络拓扑环境下提高数据传输可靠性等问题。随着无线网络的发展,无线传感器已经普及到人们生活的方方面面,但由于低效率的资源配置,系统经常遇到如频谱匮乏、能源消耗严重、服务质量过低等问题,并且WSN所具有不稳定性等特征,这要求应用在传输路径选择中的算法不仅要有高效的压缩性能,还要有良好的网络亲和性以及较强的容错性,以便在网络中无线节点能够更稳定更可靠的选择下一个节点。本文提出的基于上下文感知的传输路由预测算法,则是将网络中的各种原始上下文进行获取、过滤、融合出高级上下文信息,采用权重决策分析对各种上下文信息进行评判和选优,建立上下文数据模型,运用基于卡尔曼滤波预测算法对每两个节点进行传输质量预测,最终通过Dijkstra算法选择最优传输路径,提供更可靠的传输,并通过仿真证明算法有效性。本文的创新点是针对WSN中的拓扑变化很多、节点具有移动性等路由特点,提出了一种结合上下文状态的路径预测算法,通过对节点状态的预测选择传输路径,并实时更正预测参数,有效的提高了数据传输可靠性。