为了改进WSN(Wireless Sensor Network,无线传感网络)中的能量消耗、生命周期和拥塞程度,针对数据采集、数据传输、数据融合三个方面,分别提出了不同的算法。在数据采集方面提出了WSN中通过感知节点将采集的数据汇聚到锚节点,再传给移动汇聚节点的方法。重点研究了锚节点的选择,使得移动汇聚节点到锚节点的距离最短,以此来降低数据传输的能量消耗。考虑到传感器节点的数据融合中节点能量不平衡的问题,以及经常被忽略的空间问题,提出了一种HLSA(Heuristic-List Search Algorithm,启发式-列表搜索算法),先选出合适的备用锚节点,再根据备用锚节点的剩余能量和与节点间步长的权重选出最终锚节点,从空间层面规划锚节点到移动汇聚节点的最短路径;在数据传输方面提出了LSBDACA算法(Large Scale Wireless Sensor Network Based Distributed Ant Colony Algorithm,分布式蚁群算法),将大规模的问题划分成多个同样的小规模问题,分而治之求得最优解,最后整合最优解得到整个网络的最佳路由路径;在数据融合方面提出了CNNMDA算法(Convolutional Neural Networks Model Data Aggregation,基于卷积神经网络模型的数据融合算法),并在此算法基础上加入了攻击检测,通过卷积核提取特征数据,运用余弦变换检测系统是否被攻击,以此降低大规模网络中的网络拥塞。最后,上述三种算法的模拟仿真结果显示,提出的算法在物流中转站中的大型仓库中应用,能有效地延长网络寿命,平衡节点间的能量,降低网络拥塞。