无线传感器网络(WSN)具有数据量大、高冗余量、低可靠性、节点能量有限等特点。数据融合是WSN中进行数据处理获得查询结果,且有效减少能耗的重要技术之一。如何将感知数据高效、准确、安全地发送到服务器是WSN数据融合研究的热点和难点。本文从无线传感器网络的数据融合和安全数据融合问题着手,首先整体介绍研究背景、相关工作的进展等。然后,以数据融、安全数据融合的系统架构为脉络,详细阐述各部分的研究热点。最后,重点分析基于相似度预测的WSN数据收集算法和基于加权拟合分析的WSN安全数据融合算法,并对算法的进行理论性分析,采用仿真实验的方式将本文提出的算法与经典算法在能耗、安全性等方面进行对比、分析。针对基于拟合曲线的数据预测机制在WSN数据收集应用中区间敏感的问题,提出了基于时间周期的拟合曲线相似度序列,将基于预测的数据收集问题转化为一定精度下预测相似度的估计问题。基于特征相似度服从高斯分布的假定,研究准确预测感知相似度的最大概率,采用贪婪算法动态调整预测相似度。最后,采用PSO算法实现基于预测相似度的预测数据推断。仿真实验结果表明,该算法达到了预期效果,在能耗方面有较大的降低。传统的基于密码学方式的安全机制并不能有效解决妥协节点产生的假冒攻击,同时基于簇头的信任判断和证实机制需要更多的通信开销,使得基于簇头的信任管理与认证是当前安全数据融合机制研究的焦点。以能量衰减模型的事件感知为研究场景,设计一种基于加权拟合分析的安全数据融合机制。在事件源情况未知的条件下,实现簇内节点对事件源距离的近似估计。研究具有簇属性特征的数据点基于所拟合曲线的分布性质,提出基于曲线簇分析的簇头信任判断机制。仿真实验表明,所提出的机制在曲线拟合精度,防妥协性能等方面有较高的提升,达到了预期的效果。