随着传感器技术、计算机网络及无线通信技术的发展,无线传感器网络(Wireless Sensor Network,WSN)在相关领域得到了广泛的应用。但同时网络中感知的数据量不断增加,采集数据种类增多,如何有效的实现感知数据的采集、传输以及融合(Data Aggregation)处理,是无线传感器网络领域内的一个重要研究方向。在复杂的网络环境中,由于节点能量、通信带宽、存储能力等方面的局限性,就要求对感知数据进行融合处理,去除冗余数据,提高数据准确度,进而降低节点收发数据的能耗,延长网络生存周期,从而实现无线传感器网络在相关应用中的高效利用。本文在介绍无线传感器网络的基础上,着重分析了典型数据融合方案的原理和优缺点。选择已有虚拟网格网络模型,围绕以下方面进行探讨:1.基于虚拟网格模型和环结构,研究无线传感器网络分簇和数据采集具体过程,着重分析成簇算法和簇头调度算法。2.分析感知数据冗余的产生原因和数据间存在的时空相关性的具体存在形式和意义,数据表示方法,从而提出降低数据间时空相关性的方法。3.提出基于小波变换思想的分布式数据融合模型。该模型对虚拟网格与环模型结构采集数据过程进行改进,并改进此过程中的簇头调度算法,在数据采集过程中引入数据验证,对采集数据进行差分处理,利用小波变换的思想,对采集数据进行融合处理。4.基于数据差分处理机制,提出基于关联度聚类的数据融合算法。算法首先对数据关联度进行定义和计算,然后利用聚类方法分析数据的总体分布情况,并利用联合密度函数找到最佳的融合点,判定感知数据进行融合效果的优良,该算法同时可用于判定传感器采集的数据是否存在异常,进而判定监控目标是否正常。为验证本文模型和算法的有效性与可靠性,利用NS-2仿真进行模型仿真实验,证明模型较之对比模型在数据融合方面有很大的优势。