随着传感器技术、集成电路及其设计技术、信号检测与处理技术以及计算机网络技术的迅速发展,无线传感器网络和多传感器数据融合己经成为崭新的学科方向和当前的研究热点,并在军事和民用领域中得到了广泛的应用。论文的主要研究内容如下:对农业信息监测进行了需求分析,并以此提出了基于无线传感器网络的监测系统的模型,搭建了系统的整体架构。完成了无线监测系统中节点的数据采集、收集、存储、分析和统计功能,实现了系统的远程监测。从节点的功能需求出发,分别基于MSP430F149和LPC2214设计了传感节点和汇聚节点,并设计了一套适用于农田信息监测的无线通信路由协议,对通信过程涉及的数据包传输类型和格式做出相关规定。在该网络成功搭建后,又在汇聚节点上对以太网通信协议进行了技术平移,实现了无线传感器网络与以太网的连接,且便于对系统中节点的集中管理。在此基础上,对数据融合技术的原理和意义进行分析研究,并对现有典型的数据融合算法进行了分析研究。在此基础上,完成了0-1模式下的故障节点的诊断、参与工作节点的选择、节点参数设置对事件发现区域的影响分析,并在此基础上,对择优选取的传感器节点实现了数据融合。其主要创新点如下:提出一种基于贝叶斯决策理论的多传感器故障解决方法。利用贝叶斯条件概率公式进行两级数据融合,使故障判定的准确率得以提高。结合具有全局优化特性的动态权重微粒群算法,提出了一种新型的多传感器目标分配算法模型。仿真数据说明了新算法的可行性与有效性,当规模较大时,算法显示出收敛速度快和精度高的特点。实现了利用经典的神经网络,解决基于树层次结构的分簇网络融合问题,所给出的基于分簇路由协议的数据融合算法可以描述如下:首先,将每个簇表征成神经网络模型,该网络模型为三层结构;接着把簇头节点和该簇传感器收集到的信息进行融合,该功能是在神经元处理函数中完成;最后由汇聚节点负责接收结果,此时结果为融合后的数据。将改进的QDPSO算法应用到神经网络权值训练过程,避免了梯度下降法中要求函数可微、对函数求导的过程,提高了网络的收敛速度和稳定性;同时可以采用该神经网络对多传感器数据实现了融合,改善系统效能。