随着微机电系统、片上系统、无线通讯技术以及低功耗嵌入式技术的快速发展,无线传感器网络被普遍应用于工业过程控制、健康监测和环境感知等多个领域,其以数据为中心的特点也日益凸显,但由于存在节点能量有限、链路不稳定等现象,不可避免地会造成感知数据的缺失,这将一定程度上影响感知数据集的完整性和准确性。在数据采集和传输的过程中对缺失数据进行有效恢复,将有助于提高感知数据的质量。目前,基于重传及冗余等机制的数据恢复方法能耗较高,而基于感知数据特征分析并结合数学模型进行数据恢复的方法大多针对单一的属性特征,具有一定的局限性。本文以多传感器集成与融合技术为基础,结合多属性感知数据间的特征和相关性分析,探讨满足高准确性要求的数据恢复方法。首先,考虑到数据传输对数据缺失所造成的影响,引入通信系统中的数据交织技术,将传输过程中可能发生的错误进行最大化分散,从而提出基于数据交织的感知数据传输策略,并构建数据恢复整体框架。在数据传输阶段,对原始数据进行基于矩阵的网内交织,使得感知数据得以重组并分散传输;在数据处理阶段,对接收到的数据进行解交织并判断缺失状态,记录相应的缺失值信息;在数据恢复阶段,基于感知属性数据间的特征和相关性分析进行数据恢复。其次,考虑到自然界中的物理属性间大多具有一定的相关性,可以利用其提高数据恢复的精度。通过多属性感知数据间的特征分析,提出基于时间稳定性和属性相关性的感知数据恢复算法(TS-AC,temporal stability and attribute correlation)。该算法一方面基于属性相关性建立回归模型,另一方面基于时间稳定性建立线性插值模型,通过对两种方法的估算结果进行联合求平均,以提高数据恢复的精度。最后,通过理论和实验,对所提出的数据恢复整体框架以及基于属性相关性和时间稳定性的感知数据恢复算法进行性能分析。相对于KNN等经典算法,该方法能够有效提高感知数据恢复的准确性。