随着互联网+、智能家居、Io T、工业4.0等技术和概念的发展,作为其核心部件的无线传感器技术也成为了研究热点。在进行无线传感器网络的部署时,传统的层次划分过程中所依照的数据维度较为简单,容易造成簇间能耗的不均衡;在网络划分完成后进行的数据融合阶段的效率较为低下。针对这些约束,本文以层次聚类方法构建路由协议,通过双簇首策略解决常规层次路由协议中节点能耗不均衡的问题。之后,以CHAMELEON聚类为基础建立多层次数据融合系统。通过这两个研究点提出无线传感器网络能耗研究的新策略。首先,本文论证了基于BIRCH聚类改进的双簇首不均匀分簇算法在网络能耗均衡方面的效果。依照无线传感器网络的特性,本文改进了原始BIRCH聚类算法,在传统簇划分网络路由的基础上增加了新的判断维度;同时,通过新的维度实现不均匀的簇划分,解决平均分簇造成的能耗问题。其次,引入多维双簇首策略,将现存的内外通信双簇首节点的选取机制由三维向四维优化,并针对内外簇首工作特性的不同采用相应的选取策略。通过这些方案,对网络的均衡性进行提升。其次,本文讨论了基于CHAMELEON聚类实现数据融合的方案。提出了一种使用数据标签控制数据融合的方法。这种方法保证数据的融合是基于数据特征进行的。这样在进行融合时能够去除重复的数据标签信息,提高了数据的压缩效率,并通过区域融合策略保证数据的可用性。此外,在传输阶段,使用分路径传输提升数据的传输效率。通过这种基于数据特征的数据融合提升网络的生命周期。最后,在实验仿真与结果分析中,本文从网络存活节点、网络剩余能量、网络中不同类型通信节点能耗变化三个方面对网络能耗均衡性进行了验证。通过实验可知,本文所提出算法在网络能耗均衡方面的性能优于对比算法。同时,本文从数据压缩率的对比中证实了多层次数据融合架构的有效性。从数据传输过程中的网络能耗、数据传输量随节点变化两方面与现有算法进行对比,证明了本文所述数据压缩框架在数据传输效率以及数据送达率上的优势。