无线传感器网络(Wireless Sensor Networks，简称WSN)因其广阔的应用前景和独特的技术挑战吸引了众多学者的研究兴趣，并逐渐成为了近几年来计算机网络领域中最为热门的研究内容之一。典型的无线传感器网络由大量廉价的传感器节点所构成，相互之间通过无线方式进行数据通信。这些传感器节点可以通过其携带的各种类型的传感器采集现场的各种数据，并以接力的方式通过其它传感器节点将采集到的数据逐跳地发送到汇聚节点(Sink)。因此，要求无线传感器网络必须具备自组织能力，能够解决传感器节点间的路由问题。通常，传感器节点仅仅依靠电池供电，而且一经部署后，电池通常无法更换。除了电能资源非常稀少且珍贵外，还有包括处理能力、无线通信带宽、存储空间在内的资源都十分有限。资源的局限性给无线传感器网络的技术带来了巨大挑战，许多成熟的网络技术无法在无线传感器网络中推广使用，许多原本简单的问题因资源的局限性变得更为复杂，如何延长无线传感器网络的使用寿命成为了重中之重的目标。本文主要研究无线传感器网络中两大基础而关键的技术：路由协议和数据融合技术。路由协议是任何类型的计算机网络所必备的关键技术之一，其性能影响和决定了整个无线传感器网络的性能和寿命。无线传感器网络的特殊需求和技术特点给路由协议提出了高能效、可扩展、健壮性好、支持数据融合等设计目标。本文首先对无线传感器网络的技术特点进行了分析研究，并对各种具有代表性的无线传感器网络路由协议进行了分类、分析和对比，特别对基于层次结构的无线传感器网络路由协议进行了深入地分析和研究。在此基础上，本文提出了适用于无线传感器网络的网格状分簇路由协议(Grid-clusteringROUting Protocol，简称GROUP协议)，这是本文的主要贡献之一。GROUP协议中，主汇聚节点(PS节点)周期性地或按需在其附近选举网格种子节点(GS节点)，网格种子节点的选举以传感器节点的剩余能量值为主要依据，并结合一定的随机因素。然后，以网格种子节点的地理位置为基准，按照一定的网格宽度在整个传感器网络内选举呈近似网格状分布的簇头节点。GROUP中簇头节点的选举综合了传感器节点的剩余能量、地理位置和随机因子等因素，而其它现有分簇协议选举簇头节点时大部分只考虑的因素较为单一。GROUP协议能够支持多汇聚节点、移动的汇聚节点等多种更复杂的无线传感器网络应用环境，可扩展性好。为了提高无线传感器网络系统的健壮性和可靠性，GROUP协议还具有很好的故障恢复机制，以应对可能发生的簇头节点的故障。本文对GROUP协议进行了全面的性能分析，同时利用NS-2仿真测试工具实现了GROUP协议，对其性能进行了综合评估，考察了GROUP协议主要参数对其性能的影响。另外，还将GROUP协议与TTDD、LEACH等分簇路由协议进行了对比分析。仿真测试的结果表明，GROUP协议在能量消耗及均衡性、分组发送成功率、可扩展性等诸多方面具有明显的优势。数据融合技术是减少传感器节点间数据通信，节省传感器节点能量开销，延长网络寿命的有效技术手段之一。它通过对传感器节点采集到大量具有高冗余度的原始数据进行一定的运算处理，提取少量可以取代原始数据的特征数据发送给汇聚节点，在保证数据有效性的同时减少传感器节点的数据通信。本文对数据融合技术的原理和意义进行分析研究，并对现有典型的数据融合算法进行了分析和对比研究。在此基础上，提出了独特的基于神经网络的数据融合算法(即NNBA数据融合算法)，这也是本文的主要贡献之一。NNBA数据融合算法是一种基于分簇路由协议(如GROUP协议等)的无线传感器网络数据融合算法。它巧妙地将分簇层次结构与神经网络的层次结构相结合，将每个簇设计为一个三层感知器神经网络模型，通过神经网络的方法从传感器节点采集到的大量原始数据中提取特征数据，然后将特征数据发送给汇聚节点。论文中还针对森林火灾实时监测网这一应用实例，设计了NNBA数据融合算法中不同类型的神经元模型及功能函数。论文中对基于三层感知器神经网络模型的NNBA数据融合算法进行了全面的性能分析和仿真测试。结果表明，NNBA数据融合算法具有很好的数据融合效率，特别适用于周期性报告类型的无线传感器网络应用。