随着低功耗无线通信的发展,微传感器、微处理器等硬件的小型化,分布式信息处理技术的进步和Ad Hoc网络的大量研究,无线传感器网络(Wireless Sensor Networks, WSN)成为了一种新兴技术,引起了人们的广泛关注。在大规模的无线传感器网络中,传统的数据传输模式下,每个节点都将传输全部的感测信息,这其中就包含了大量的冗余信息,由于传感器网络中传输数据的能耗远大于处理数据的能耗,因此,使各个节点多跳传输感测数据到Sink节点前,先对数据进行融合处理是非常有必要的,数据融合技术能够有效克服无线传感器网络中能量约束,去除冗余信息,减少网络中的数据传输量,节省WSN节点能量,延长WSN的生命期。数据融合技术已经成为WSN的研究热点。本文首先分析研究了国内外现有的一些典型的数据融合算法,并对这些算法进行分析和比较,从农业生产的实际情况出发,对大规模无线传感器网络的蔬菜大棚温度进行远程监测,用户需要知道某个特定区域的平均温度,这个区域可能包含大量的节点；由于受到带宽和电池能量的限制,为了降低由于大量数据传输而造成的能量消耗,提出一种分布式的数据融合算法。在本算法中,节点不需要知道系统的全局信息,这样可以降低系统中节点总的能量消耗。算法的运行允许多个传感器节点启动数据融合过程,数据融合就以并行的方式进行,向汇聚节点(簇头)传递信息,所有节点都是自行决定下一跳的传输方向,避免了保存全局路由信息,因而可以减少延迟。算法动态地选择不同的节点作为簇头,这就保证了能量的消耗是动态地分布在系统中所有节点上的。从系统仿真结果来看,该算法可以减少时延,有效的降低能量消耗。