路由与定位是无线传感器网络重要组成部分,能量效率是其体系结构设计中重要的限制性因素之一,地理位置信息则体现了系统的应用意义。本文分别从节点定位、分簇、地理位置路由、节点数据融合、最优传输路径、路径修复、采集数据的Skyline查询方面展开研究工作。主要研究工作如下：(1)提出基于环境感知的无线传感器网络混合定位算法EAHLA (Environment Aware Hybrid Localization Algorithm),求解文中DSE-GAF、NACO算法需要的节点位置信息。由于易受外界环境影响,RSSI (Received Signal Strength Indication)直接进行距离计算,定位存在较大的误差。首先利用信标节点的位置以及信号强度信息来消减路径损耗指数对定位的影响,实现算法对环境感知；构建置信的、与路径损耗指数关联的离线指纹库。对于待定位节点,若能过滤出满足置信约束RSSI测量值,则优先采用K-NNSS找到最为接近的K个邻居后,通过质心算法求解位置。否则,RSSI值将被高斯模型过滤,待定位节点与信标的距离通过节点最大通信距离方式获得,并利用距离比例关系对其进行校正,然后采用最小二乘法求解未知节点位置的极大似然解,设计加权系数实现节点的质心定位。通过实验与仿真,对影响算法精度的因素进行分析,并验证算法的有效性。(2)提出基于分布均匀度、数据相似的能量均衡地理位置路由算法DSE-GAF (Distribution Equilibrium, Similar Data and Energy-balanced GAF)。分析基于地理位置信息的分簇算法GAF (Geographical Adaptive Fidelity)性能影响因素后,改用虚拟正六边形蜂窝划分网络,提出节点分布均匀度模型,给出最优虚拟单元格半径的求解方法。定义基于分布均匀度模型的簇头位置选择评价参数,利用该参数及剩余能量来进行簇头选举,并给出数据相似性理论作为节点数据融合的依据。仿真结果表明,在不同的节点分布均匀下,DSE-GAF算法的全网能效得到了较好提升,能量消耗也较为均衡,有效地延长了网络生命周期。(3)提出基于蚁群优化的无线传感器网络路由和路径修复算法NACO (A New ACO-based Routing Optimization & Path Recovery Algorithm for WSN)。为了能够找到通往Sink节点的最优路径,将节点的剩余能量、节点间距离以及节点通往Sink的传输方向因素引入蚁群算法的启发函数进行求解,有效地避免了节点传输“绕路”现象。针对该最优路径中节点死亡问题,设计了周边节点替代死亡节点、继承信息素、衔接中断路径的路径修复策略。该策略能够保留原有大部分最优路径,避免蚁群算法重新寻优。仿真结果表明,该算法在均匀地消耗能量以及降低能耗,快速路径修复方面有着较好的效果。(4)提出面向位置的基于Mapreduce框架的MR-EDBNL ((Ext-Domin-ate-BNL based on MapReduce)算法。为了查询某时间段、某区域传感器节点监测的物理量极值,需要在海量采集数据的相关维度(如时间、节点位置、各类物理量监测值)进行Skyline查询。提出广义支配以及相关定理,将支配定义“弱化”,并结合位置关系实现监测点周边大量非Skyline对象的过滤,减少原始数据集的规模；并结合改进的支配能力定义排序过滤Reduce数据集合,避免无效的数据比较逻辑计算。最后,通过实验的方法,验证了MR-EDBNL的高效性。