无线传感器网络由大量传感器节点自组织构成,其主要任务是收集环境数据,涉及无线通信、数据处理和路由等众多技术。由于节点的计算、存储、通信和能量资源有限,如何利用有限的资源完成对环境数据的收集至关重要。本文围绕这一问题进行了研究,从基于数据聚合的路由、移动基站、基于小波的数据处理和工作节点选取等方面入手,探索无线传感器网络的高能效数据收集方法,主要研究成果如下：1.数据聚合可减少无线传感器网络内的数据传输量,但在非完全数据聚合模式下,传输聚合数据的节点负载较重,容易过早死亡。为此,本文提出一种基于数据聚合的状态感知自适应路由算法。初始时算法基于节点状态建立跳树；事件发生后,算法对事件域节点分布式成簇,根据节点剩余能量建立从簇内协调者到跳树主干或基站的状态最佳且最短的路径,并利用TTL限制跳树的更新范围,实现所建路径的适度重叠。算法分析与仿真实验表明,该算法能获得较优的数据聚合效率,均衡网络负载,完成高能效的数据收集。2.节点无法移动的无线传感器网络若采用多跳路由机制,则“热点”问题始终存在。为了解决该问题,本文提出一种基于簇与跳树的高能效单移动基站算法。算法在事件域节点分布式成簇后,基于簇信息适时计算新的移动基站准最优位置,并根据环境内的障碍物信息规划到达该位置的较短路线；在移动基站到达新位置后,更新路由,建立一棵基于事件域簇的跳树；聚合簇内数据并完成可靠数据传输。算法分析和仿真实验表明,该算法可有效缩短数据传输距离并均衡节点耗能,能快速完成基站移动,具有合理的控制开销,可高能效地收集数据。3.以提高数据聚合效率为目的的路由会促使网内数据聚合尽早发生,但可能导致网络负载不均,甚至增加数据的传输距离。若能在固定基站的基础上添加可移动的辅助基站,则更有利于提高数据聚合效率、减少并平衡网络负载。为此,本文提出一种基于数据聚合与双基站(固定的主基站与可移动的辅助基站)的路由算法。算法利用邻居信息的比较和控制报文的延迟发送来减少事件域节点分布式成簇的开销；根据簇信息获得路由汇聚中心,令节点选取距离主基站和路由汇聚中心最近的邻居节点作为其下一跳,建立一棵以主基站为根的近似Steiner树；利用路由汇聚中心,驱使辅助基站移动至负载较重的路径附近来截获聚合数据。算法分析与仿真实验表明该算法能实现网内数据的尽早聚合,减少并均衡网络耗能。4.无线传感器网络可利用Haar小波来减少网内冗余数据,节省数据传输耗能。现有算法未能从数据角度出发针对Haar小波优化数据压缩性能,为此本文提出一种优化Haar小波数据压缩性能的数据预处理算法。算法借助节点感知数据的样本均值调整簇内节点顺序列表,平滑待处理数据,利用阈值限制节点样本均值和簇内节点顺序列表的更新频率,使得簇内数据平滑性的调整不会过度频繁,节省控制开销。算法分析与仿真实验表明,该算法能提升基于Haar小波的数据压缩性能：改善数据重构精度,将开销控制在合理范围内；或提高数据压缩程度,节省数据传输耗能。5.如何在无线传感器网络的事件域中提取出最有代表性的关键节点,对于关键信息的获取以及数据传输量的减少均具现实意义。受二值图像形态学腐蚀与膨胀操作的启发,本文提出基于形态学操作的分布式数据收集算法。算法采用正方形结构元素获取每个节点的结构邻居,根据节点结构邻居的事件监测情况,完成节点腐蚀判断,获得事件域主干,并只限主干节点发送感知数据；基于数据接收情况,利用膨胀操作可恢复事件域,从而指导线下工作的开展。算法分析与仿真实验表明,该算法能以较小的开销快速获取保持了事件域形态的主干,既可减少数据传输量,又可获得关键性数据,还能估算出事件域范围。