机会传感网络(Opportunistic Networks）是新型的移动自组织网络，源于移动自组网（Mobile Ad Hoc Network，MANET），又是继无线传感器网络和延迟容忍网络DTN (delay tolerant network)之后在无线传感器网络领域兴起的新的研究热点。在机会传感网络中，由于节点的移动、链路连接断开、网络分裂等特性，源节点和目的节点被分割在不同的连通区域，两者之间不存在完整的通信链路，消息依靠“存储-携带-转发”这种模式进行数据的传输。在一些机会传感器网络的实际应用中，连通性参数可以很好地反应某个监测区域的网络连通性状况，帮助研究工作者完成对研究区域的监视，连通性参数的研究也因此成为了机会传感网络中的一个研究热点。然而，机会传感网络中连通性参数在收集、处理、传输的过程中，存在时空的信息冗余，导致网络能量消耗的增加和节点携带信息的负担，进而影响了网络的生命周期，所以为了完成对研究区域的轻量级监视，对机会传感网络中连通性参数融合的研究是十分必要的。本课题来源于国家科学自然科学基金，机会传感网络连通性监视方法研究。本文首先介绍了机会传感网络、数据融合和小波变换理论的相关知识，然后重点阐述了数据融合的相关算法，它包括与路由协议相关的融合算法、非离散序列型数据融合算法、离散序列型数据融合算法。在离散序列型数据融合算法中，提到了小波变换算法，阐述了其在图像处理以及一级小波变换的理论过程。最后论文在课题提出的机会传感网路监控模型基础之上，针对连通性参数的收集、处理、传输过程中具有信息冗余的特点，提出了一种基于小波变换的机会传感网络连通性参数融合的机制。在融合机制中，先是利用机会传感网路模拟器ONE(Opportunistic Networking Environment, ONE)进行模拟仿真连通性参数的收集，再利用Haar小波对离散序列的连通性参数进行处理，处理过程中利用高频系数选择融合算法对高频系数部分进行筛选，并利用均方误差来衡量融合后的精度。仿真实验表明，通过使用该融合算法对连通性参数的处理，减少了连通性参数的时空冗余，降低了网络的时延以及能量开销，完成对区域的轻量级监视。