数据收集是无线传感器网络的基本功能,也是大多数监测应用的基础。以感知数据为中心的无线传感器网络数据收集技术的主要研究目标是在数据收集过程中减少网络的能量消耗,延长网络的生命周期,避免重新部署无线传感器网络监测系统带来的巨大开销。针对无线传感器网络事件监测应用中,同一监测区域附近的传感器节点收集的感知数据具有极大的时空相关性这一特点,为了减少网络中的数据传输量,降低节点间的通信能耗,提出了一种能量高效的基于线性回归的无线传感器网络分布式数据收集优化策略,通过构建局部感知数据的线性回归模型来表示和预测传感器节点实际感知数据监测值,在误差允许的范围内,节点不需要传输实际监测的感知数据到汇聚节点,而只传输回归模型基函数的参数信息,在不失数据基本结构特征的基础上有效地减少了传感器节点间频繁的数据传输带来的通信开销,而且感知数据的线性回归模型采用计算复杂度低的增量更新方法。仿真实验结果表明,基于线性回归的无线传感器网络数据收集优化策略能以较少的网络能耗实现有效的感知数据预测和估计,达到了延长网络生命周期的目的。为了优化部署在地理位置重叠的、可协作的、多个并发应用监测任务的大规模无线传感器网络数据收集问题,降低独立部署的无线传感器网络的监测成本,减少节点间感知数据传输量,提出了基于虚拟传感器网络的并发应用数据收集优化算法。考虑在混合的、异构的、部署在同一物理区域的无线传感器网络基础上,逻辑上形成多个虚拟传感器网络的方式来解决同一地区多目标并发应用监测问题,在数据收集过程中,提出了基于MinMax算子的数据传输阈值控制方法。并且在形成的虚拟传感器网络基础上,设计了基于统计假设检验的虚拟传感器网络容错策略,从感知数据的空间相关性和时间相关性入手,利用随机过程描述感知数据的时间相关性、传感器节点检验本地数据收集序列与事件统计特征的符合程度来判断错误是否发生。仿真实验结果表明,提出的算法能有效的减少网络的总能量消耗和延长网络的生命周期,并且在传感器节点错误概率增加的情况下,系统能保持较理想的节点错误识别率和事件区域监测概率。为了满足无线多媒体传感器网络应用中的服务质量多样化要求、利用网内数据处理技术和群智能优化算法,提出了面向多约束QoS的无线多媒体传感器网络数据收集优化算法。在基本人工鱼群优化算法基础上将人工鱼视野和移动步长参数改进为动态调整模式,提出了动态人工鱼群优化分簇算法,以更小的计算量和更快的搜索速度构建更优的网络分簇结构。为了满足无线多媒体传感器网络不同应用中多样化的QoS要求,提出了基于改进的蚁群和人工鱼群联合优化的多约束QoS路由机制。仿真实验结果表明,提出的算法能满足用户对多格式、多属性和多模态的数据传输的多约束QoS要求,能有效的降低网络的整体能耗和延长网络的生命周期。由于无线多媒体传感器网络实际应用中感知数据具有高复杂度和高维非线性等特点,数据收集和处理的能耗较高,为了降低网络中数据传输量,解决现有的基于线性的感知数据维数约简方法失效问题,提出了基于局部线性嵌入的多媒体感知数据维数约简算法。其核心思想是在降维映射前后保持源数据的局部近邻性质,即在嵌入空间每个采样点可以用它的近邻点线性表示,在低维空间中保持每个邻域中的权值不变,重构原数据点,使重构误差最小。针对局部线性嵌入算法在多媒体感知数据采样稀疏的情况下,数据维数约简的结果会失效这一缺点,进一步提出了基于局部线性逼近的多媒体感知数据维数约简算法。算法通过采用直接估计梯度值的方法达到局部线性逼近的目的,实现高维非线性数据的维数约简和特征表示。仿真实验结果表明,提出的算法在面对大量高复杂性、高维非线性的多媒体数据时,能有效保持原有数据集的几何特征,降低感知数据维数和简化感知数据表示,实现了非线性高维数据的有效聚类,与局部线性嵌入算法的实验结果比较,在感知数据采样稀疏的情况下,数据维数约简的效果有显著改进。上述成果的取得,对于无线传感器网络数据收集过程中减少网络总体能量消耗,延长网络生命周期,增强节点间的协作能力,提高数据收集算法的可靠性和约简冗余的感知数据维数等关键问题的研究具有重要意义。