近年来温室监控系统发展迅速,由于温室监控区域较大,因此需要大量的传感器节点构成大型监控网络,通过各种传感器采集温度、湿度等相关信息,实现自动监控。数据融合技术是解决无线传感器网络中冗余数据的有效途径,通过融合来自不同数据源的多重信息,根据用户的数据需求,去除冗余信息,减少传输的信息数据总量,从而达到节省能量、降低网络延时以及减少网络负载的目的。本课题详细研究了数据融合技术的现状。在此基础上,研究了温室监控系统中数据融合的处理方法。根据温室监控系统的融合模型,针对性地提出了两种数据融合的情况和处理方法。首先采用自适应加权算法对温室内部多个同类型数据进行融合,获得高精度数据的同时,减少了数据转发量；其次是应用分组融合技术对不同类型的数据进行融合。在数据融合算法方面,提出了基于矩阵改进的D-S算法并对其进行了证明。通过简单的性能分析,证明基于矩阵改进的D-S算法与原算法具有相同的融合精度,同时能够有效减少算法的运行时间,减轻系统负载也可减少融合的时间,降低数据融合给网络带来的延迟。根据理论方面的改进,结合温室的融合模型以及温室的特点对温室监控系统给出了具体的系统结构、总体技术框架和功能组成。采用Labview对传感器软件进行了仿真实现,且对温室监控系统本地监控平台进行了开发。本系统通过结合改进后的数据融合算法,解决了传统温室监控系统中数据处理的问题,有效的提高了数据传输的效率、提高了数据精度并且降低了网络时延。