无线传感器网络(Wireless Sensor Network，WSN)数据融合技术与网络内的数据通信密切相关，因此结合路由技术的数据融合算法研究是WSN数据融合技术的一个的重要研究方向。基于路由技术的WSN数据融合算法主要分为平面型融合算法和层次型融合算法，本课题在经典的层次型融合算法LEACH的基础上，提出了两种改进算法。针对LEACH算法中由于簇间节点能量消耗的不均衡造成的远基站端的“热区”问题，可以通过使用多跳方式改进融合节点与基站的通信方式解决。但是单纯的通过这种方式改进，又会因为近基站端的融合节点需要消耗更多的能量用于转发远基站端的节点发来的数据，而产生近基站端的“热区”问题。为了同时解决以上两个问题，本课题中使用了非均匀的思想对LEACH算法进行改进，设计了一种基于非均匀分布双融合节点的数据融合算法(Data Fusion Algorithm Base on Non-uniform Distribution Double ClusterHead，DNDC)。DNDC算法中的数据通过多跳的通信方式可以解决远基站端的“热区”问题，并且通过使用簇与基站距离越近，选取副融合节点概率就越大的非均匀思想，可以解决近基站端的“热区”问题，因为近基站端的融合节点不需要消耗过多的能量用于转发远基站端节点发来的数据了。为了进一步优化DNDC算法中多跳路由的路径，课题中采用了蚁群优化算法(AntColony Optimization，ACO)对其进行改进，设计了一种基于蚁群优化思想优化的DNDC数据融合算法(ADNDC)。由于传统的蚁群算法需要经过大量蚂蚁进行大量的重复迭代计算找出网络的最短路径，而本课题中需要找到的是一条能量消耗最少的路径，由于大量迭代计算需要消耗大量的能量，因此传统蚁群算法并不适用于层次型网络中，所以课题中对蚁群算法进行改进，使其在一次迭代中就找出网络中所有的路径，然后网络中的（副）融合节点根据概率转移公式来选择数据的下一跳节点。相比DNDC算法，ADNDC算法可以使融合节点与基站之间传输数据所消耗的能量降到最低。根据课题设计的两种算法，最后进行了两组不同的仿真实验，结果显示DNDC算法相比LEACH算法有着更好的网络能量均衡性和更长的网络生存时间，并且DNDC算法适应于不同规模的网络。而ADNDC算法在保持了DNDC算法良好的网络能量均衡性的基础上，相比DNDC算法有着更长的网络生存时间，并且其更加适用于大规模的网络结构中。