无线传感器网络在无线通信环境下的强大数据处理潜能受到了学术界和工业界的高度重视,如何从复杂多变的传感器网络环境中获取准确而有效的信息,已然成为一个比较活跃的研究课题。随着数据融合技术的不断更新,使得垂直数据服务系统间的互操作性越来越必要,网络的无缝通信和数据共享越来越迫切。文章提出一种基于无线传感器网络环境的信息交换平台,搭建针对无线传感器网络异构数据之间有效共享的、通用的信息交互服务框架,并着重对信息交换平台中的数据收集策略进行了研究。主要的工作包括以下几个方面：针对传感器网络多流异构的数据特征,构建了一个通用的,面向服务的数据集成平台。平台主要解决数据如何获取,哪个应用对其感兴趣,以及数据如何被应用使用的问题。信息交换平台将数据提供者与使用者相隔离,使得这些用户任务不会受到数据物理位置的影响,也不会受到需要存取数据信息的应用个数的制约,从而实现感知数据流在应用层的交互。在无线传感器网络信息交换平台中,提出了一种基于能量水平的数据收集算法,并给出了传感器网络性能新的评价指标。传统的多播路由算法能够控制数据传送的延时和网络带宽消耗,通过目的节点之间共享尽可能长的路径来降低多播树的总消耗。基于能量水平的数据收集算法将节点剩余能量这一参数引入到快速低代价最短路径树算法中,在选择最优的路径时充分考虑节点的能量水平,优先选择能量水平高的节点。从而在确保最短路径的基础上,最大限度地延长网络的生存期。仿真实验也进一步证明了算法的有效性和优越性。以基于最小跳数场的路由协议为例,提出一种最大化能量利用率的数据收集算法MEURP。MEURP算法利用无线传输的特性构建最小跳数场,为了缓解洪泛机制所带来的网络拥塞,MEURP引进一种停止等待协议。确保数据广播沿着一个跳数距离逐渐增大的方向进行,避免了全方位的、反复和冗余的洪泛传播。仿真实验也给出了停止等待协议与洪泛机制在路由建立时间和网络负载方面的性能比较。在数据传输过程中,MEURP采用基于路由表驱动的数据传递方式,使信息沿着梯度下降的方向传输,同时优先考虑下一跳节点的剩余能量,保证在完成数据传输的同时,尽量平衡和合理利用不同梯度节点的能量。实验表明MEURP与典型的梯度路由算法相比,具备较高的网络吞吐量。应对无线传感器网络海量的数据流,提出了一种基于卡尔曼滤波模型的数据收集策略。这种基于预测的信息收集模式传递了一种近似的数据传输概念,并在此基础上论述了基于卡尔曼滤波模型的多步预测算法FLSP。FLSP算法运用卡尔曼滤波器对数据感知过程进行建模,分析数据在时序空间上的连续性,建立相应的预测模型。基于有效的误差分析模型,FLSP算法延续了良好的预测准确度。与此同时,着重探讨了概率图理论与无线传感器网络的结合点,应用因子图对无线传感器网络链路的拓扑连接进行建模。进而根据循环信度迭代机制推算链路的连接状态,由此确立可靠的数据收集路由。实验结果指出,在保证链路连接质量的情况下,基于因子图推理的数据收集算法具备较高的网络吞吐量。