无线传感器网络(Wireless Sensor Networks,WSNs)是一种综合了无线传输技术和传感器技术为一体的网络系统。系统中多节点自组织的动态形成网络拓扑结构,微传感器以协作的方式进行数据采集,数据以多跳的方式经过传感器节点进行接力传输至汇聚节点,进行数据汇总、决策分析等。该网络系统节点支持随机撒布部署,因此该网络系统一般应用在恶劣环境下,进行无人值守的自动信息采集与回传。目前无线传感器网络在军事领域、健康医疗监控、城市监控管理、自然环境监测以及智能家居等诸多领域有广泛的应用。传感器节点采用自身电池的供电方式,摆脱了线路的牵制,但是能量有限的特性就对网络时效性、节点生命周期、算法效率提出了严苛的要求。通过研究我们能够知道网络中消耗的能量集中在无线射频进行数据通信时,因此需要对网络中数据包的数量、冗余数据等进行控制,提高能量的使用效率,以达到网络时效性、高效性和延长网络生命周期的均衡,这就是数据融合算法的任务所在。本文主要对无线传感器网络数据融合过程进行研究探讨,基于最小生成树结构形成网络路由、数据融合的骨干结构,设计了一套高效、实时的数据融合算法,创新的提出基于动态链表的N阶加权移动平均跟踪、预测环境,依据最小生成树的路径交叉节点设置数据过滤点。在数据逐渐向汇聚节点传送的过程中形成决策数据包,保证重要数据及时回传并尽力延长网络生命周期。本文的主要研究工作如下:(1)对无线传感器网络组成方式、能量消耗及路由算法相关理论等进行了研究,分析了数据融合算法的多种过滤模型及其优劣势;(2)提出将每一次发送数据动作的两端节点同时纳入能量距离中,权衡考虑两个节点的剩余能量水平,并给出了其计算公式;(3)本文对最小生成树路由算法进行适应性改进,依托该算法形成的网络结构设置数据融合点,发挥数据降噪、去冗余作用;(4)提出基于动态链表的N阶历史数据移动平均融合算法,挖掘传感节点历史数据的关联关系,预测当期数据水平,并决策是否对数据进行过滤操作;(5)实验及数据分析。本文设置了多个模拟事件场景,运用上述的算法对环境数据进行感测跟踪,通过数据分析、图表展示等检验了算法的有效性及对冗余数据的过滤水平。