路由算法和数据融合是影响无线传感器网络(Wireless Sensor Network,WSN)工作效果的关键技术,直接决定了WSN的能量消耗及网络生命周期。低能耗自适应聚类算法(Low Energy Adaptive Clustering Hierarchy,LEACH)是当前路由算法中经典算法之一,然而结合数据融合技术可以减少路由算法中冗余数据的传输。鉴于数据融合技术在路由算法中的重要性和LEACH算法存在的问题,本文对LEACH算法及数据融合技术进行了深入研究,具体如下:1、针对LEACH算法随机分簇和随机选举簇头的问题,通过基于K-means聚类算法的分簇方法,来解决分簇问题;并将节点的剩余能量、邻居密度、与基站距离作为权值,以比较权值的方式选择最佳簇头。对于LEACH算法中数据单跳通信的缺点,采用基于模糊逻辑dijkstra算法的多跳通信方式,以普通节点找出最佳下一跳节点的方式,逐步将数据传输至簇头节点,簇头节点以同样方式将数据传送至基站,从而节约传输数据过程中节点的能量消耗。综合以上步骤,本文提出了改进T-LEACH(Transform of LEACH)算法。通过MATLAB仿真实验,证明所提出改进算法在能量消耗以及网络生命周期上均优于LEACH算法。2、针对LEACH算法缺少具体数据融合方法的问题,结合数据融合相关技术,提出基于灰色预测模型改进的T-LEACH算法。该算法建立了GM(2,1)模型,选取最佳预测数值个数,自动更新预测序列,利用改进后的灰色预测模型,可以减少节点数据发送量。通过MATLAB仿真实验,表明基于灰色预测模型改进的T-LEACH算法在能量消耗,网络生存周期,数据传输量等指标上均优于T-LEACH算法,从而提高了LEACH算法的功效。