无线传感器网络(Wireless sensor networks, WSNs)不同于传统网络,其有限的能量、存储空间、计算速度、通信距离和带宽等,要求该领域的研究主要关注于最小化节点工作量,包括通信量、计算量、存储量等,以此实现节省资源、延长网络生命期等目标。在WSNs中,节点及数据均存在相关性,目前涉及相关性的概念一般包括空间和时间相关性,最近开始出现部分成果涉及数据类型属性的相关性,相关性在WSNs节能技术中发挥着重要的作用。针对相关性的研究主要集中在相关性的挖掘及评估、基于相关性的数据查询与融合、考虑相关性的协议栈设计、利用相关性进行的缺失值估计等关键技术。本文按照研究内容可以分为以下三个部分：一、相关性研究。利用WSNs的相关性特点实现节省能量、提高数据质量、降低延迟等几个重要目标。文章首先进行相关性的概念研究,通过综述WSNs发展现状以及应用需求中最新出现的多类型数据等情况,提出监测数据类型属性相关性的概念,用以揭示可以对多类型数据进行融合的可能。然后分析相关性的表现形式,讨论相关性存在行为相关和数据相关两种特征。针对行为相关特征,文章讨论了相关性与负载的关系,提出行为相关性分为局部相关性(LC)和全局相关性(GC),建立行为相关性评估模型,在此基础上建立空间、时间、类型属性行为相关性评估方法以及通过三者建立局部相关性和全局相关性的评估方法；针对数据相关特征,文章详细介绍空间、时间、类型属性数据相关性的评估方法。二、基于相关性的自适应MAC协议。依据相关性评估模型,本文针对具有行为相关性特征的无线传感器网络提出了基于相关性的自适应MAC协议(CAS-MAC).该协议来源于AS-MAC,文章首先从理论和实验两个方面对AS-MAC协议存在的缺陷进行了分析,通过调整AS-MAC协议中帧结构的比例,以适应不同负载对MAC协议性能的影响。另外,CAS-MAC还增加了数据包时效性的判定机制,用于处理已失效数据包的不利影响。仿真实验表明,AS-MAC协议改进了AS-MAC协议的自适应机制,增强了MAC协议对超高负载及不稳定环境下的适应能力。三、基于相关性的数据融合研究。文章首先在以往相关性评估算法的基础上,针对多类型数据的特点,提出基于弗洛伊德算法(Floyd)的相关性二次评估方案,精确并简化了相关性的表示。该算法首先将数据按照空间-时间-类型属性三维相关性进行三维下标编码,利用数据的三维下标将数据表示成带有三维下标的二维矩阵,并进一步转化成一维序列；然后根据相关性的传递规则,利用弗洛伊德算法对相关性进行二次评估,计算出任意数据间的最大相关性。其次,在相关性二次评估的基础上,本文提出弗洛伊德-人工鱼群数据选择算法,主要包括一个“最优解-最优解维度”双向反馈机制。该机制利用弗洛伊德算法对人工鱼群算法的聚群行为收敛性差的缺陷进行优化；利用人工鱼群算法求解最优解时的稳定性对弗洛伊德算法求中点时难以确定维度的缺陷进行优化。仿真结果表明,该算法能有效提高数据选择效率和质量。最后,文章提出了基于弗洛伊德-人工鱼群-BPNN的数据预测算法,使用弗洛伊德-人工鱼群数据选择算法的结果作为该算法的输入并从弗洛伊德-人工鱼群算法训练的BPNN中得到了估计值和相对误差。文章从相关性的研究现状、特点等进行了详细分析和阐述,提出了相关性的挖掘与评估方法,并在无线传感器网络节能技术中使相关性得到了应用,文章在最后对全文进行了总结。