无线传感器网络(WSN)是一门综合了计算机技术、现代通信技术、微电子技术、嵌入式系统、分布式信息处理等技术理论的新兴科学。WSN数据融合可以给用户带来更加真实可靠的数据的同时有效的减少网络的能耗和延时。因此,研究WSN数据融合已成为WSN研究的热点之一。本文主要在现有的分簇路由算法和数据级融合算法的基础上进行了研究和改进。本文研究的是基于分簇的数据融合技术主要目标是收集某个区域内的相关数据,而且假设网络内的基站可以通过定位技术知道每个节点的地理位置。相关的算法具体如下：常见的分簇算法如LEACH算法在运行中容易出现极大簇和极小簇的问题,并且远离基站和簇边缘节点容易过早死亡。本文对LEACH算法存在的问题提出了改进后的模糊C均值分簇算法。在网络运行之初,基站运行模糊C均值分簇将整个网络划分成若干个大小均等的分簇。接着根据每个节点属于该个簇的隶属度和距离基站的距离来判定节点当选为簇头节点的概率,因为在簇边缘节点即隶属度低的节点和簇中远离基站的节点在网络运行过程中,耗费的能量一般大于其他节点。文中将隶属度低的节点和远离基站的节点当选簇头节点的概率适当的降低,以达到能量均衡。在簇个数的划分中引用了最优簇头数的概念,以期达到网络中簇的个数的最优解。网络分完簇以后,在传输运行过程中就可以进行数据融合了。分析论文中常出现的加权平均融合算法,这些算法通常都是根据收集来的数据构建一个相似度矩阵,如利用模糊集、主成分分析等方法,然后利用相似度矩阵来计算每个传感器的权值,最后利用加权平均求出融合数据。本文的方法在构建权值的时候,作出了改进,利用了统计分布的概念,将整个收集来的数据当做一个整体,用T分布加权处理所有测量值。由于网络运行过程中可能出现簇头节点收集到异常的信息,本文提出了一个检验优化的方案。通过实验仿真,在分簇大小的均衡、存活节点数、节点能量均衡等方面模糊C均值分簇算法都优于LEACH算法,在融合精确度上本文的融合算法也优于其他论文中出现的方法。最后总结全文,并提出可以进一步研究的方向。