大规模无线传感器网络较传统无线传感器网络表现出更多异构性、不均匀性以及不一致性,感知数据在类型上具有复杂化与多样化特征,在数据规模上具有大数据特征,导致传统无线传感器网络算法在大规模网络环境下,存在收敛慢、能耗大等问题。针对传统算法存在的不足,结合大规模无线传感器网络异构性特征,研究大规模传感网数据整合平台关键技术并提出相应算法。根据对平台功能的划分以及功能之间的协同关系设计,将整个平台关键技术研究划分为平台构建、数据通信、覆盖控制以及数据整合四部分。在平台构建部分,对平台整体结构,包括物理通信架构与应用架构进行了设计。按照平台功能需求对平台进行了功能模块划分,说明了模块之间功能关系,给出了平台的搭建过程。在数据通信研究部分,针对节点分簇,提出了基于K-Means++的改进分簇算法。使用K-Means++实现网络均匀分簇、改进簇头选取函数选取簇头、簇头问单跳与多跳相结合的混合通信方式发送数据。为实现不同应用场景下,数据上传云端的不同策略,对网关进行了模块设计。为使基站将数据传输至最近网关,提出了改进的Dijkstra最短路径优先算法。在覆盖控制研究部分,为实现网络完整覆盖,保证感知数据完整性,提出了基于等距线划分的无线传感器网络空洞发现算法,算法通过判断投影在等距线上的节点的连续性发现空洞。基于RSSI的无线传感器网络空洞修复算法,算法通过RSSI测距与覆盖模型推导虚拟力函数,进而驱动边缘节点移动修复空洞。为延长网络生存周期,提出了基于区域并行与状态可控的覆盖优化改进遗传算法,算法通过改进遗传算法适应度函数并结合MapReduce合理调度节点状态。实验表明改进算法能够有效地发现与修复WSNs存在的空洞并延长网络生存时间。在数据整合部分,根据顶层应用对处理数据的不同要求,通过定义感知数据包格式并结合MapReduce,提出了云环境下异构数据整合算法。实验表明,云环境下算法可以快速稳定整合异构数据,具有单机串行数据整合不可替代的优势。