无线传感网络(Wireless Sensor Network, WSN)目前已经被广泛地使用在各种军事或民用应用中,如军事航空、空间探索、环境监控和健康医疗。然而,在实际应用中,能量问题严重阻碍着网络性能的提高。迄今为止,诸多学者在设计传感网节能方法时主要考虑了两个方面：能量消耗和数据准确度。传感节点在连续的感知阶段采集的数据通常具有高的时间相关性,并且实际应用中会出现节点的大量部署和重复覆盖等情况,距离近的不同节点往往具有很高的空间数据相关性。因而,在收集传感器网络区域内的环境数据过程中,会产生大量的冗余数据,会使网络的能量消耗的增加。本文针对以上提出的问题进行研究,提出了基于模型驱动的传感网数据建模方法和分簇更新方法,主要包括以下两个方面：首先,提出一种基于双回归模型的无线节点数据建模方法。利用单变量模型对数据的整体趋势进行描述,在将单变量模型写成状态空间形式后,用卡尔曼滤波迭代地计算趋势模型的最优参数,使得对整体趋势描述的更准确。在描述数据的整体趋势的同时,针对节点短时间快速变化部分构建调整模型,两者结合快速准确地的构建数据模型。与传统的数据驱动节能方案相比,该方案传输实时自适应趋势模型和调整模型,在计算的复杂度和存储量需求不大的情况下,比其他的数据模型更加精确,并且减少数据传输数量,可以大大降低能量消耗。其次,提出了一种基于模型驱动的节点分簇更新方法。使用趋势模型和调整模型的加权相关系数,将相关性强的节点组成一个节点团,节点团中的节点两两之间都具有高相关性。由节点团中的节点轮换担任代表节点,代表其他成员节点进行数据传输。本文根据节点数据趋势模型的变化来确定该节点是否需要检测,更新代表节点代表的区域。使得在降低了通信量和能耗的同时,保证区域内节点数据的一致性和代表节点中模型的准确性。