通常,无线传感器网络被布置用来实时地监测,感知和采集某个监测区域，并将这些信息处理、融合后以自组织的通信方式传送给需要的用户,目前已被广泛地应用于国防军事、环境监测、智能家居等各个领域。WSN具有十分广阔的应用前景和很高的研究价值,成为研究的热点领域。事实上,无线传感器网络中的很多问题都可以利用生物群算法来解决,例如鱼群算法,粒子群算法(PSO)等等。其中粒子群优化算法(Particle SwarmOptimization)是一种新型的群智能优化算法,它通过群体中粒子的协作来搜索最优解。通过比较发现,PSO更能适应无线传感器网络环境下的工作状态和网络拓扑结构的动态变化,并且是一种简单,有效并且计算成本很低的优化算法,因此粒子群算法已经被广泛地应用在无线传感器网络的研究领域中。本文首先介绍了无线传感器网络的结构组成,特点以及应用。其次,详细阐述了粒子群算法(PSO)原理以及受约束的粒子群算法。然后,针对无线传感器网络中的决策融合问题,本文进行了详细的研究及仿真,并且提出了一种全新的受约束粒子群算法(constrained PSO)控制下的线性决策融合模型,实验表明,这种全新决策融合模型可以达到几乎可以忽略的错误概率和较快的收敛速度。