无线传感器网络由大量相互协作的微小节点组成，每个节点具有有限的感知、传输和计算能力。节点以适当的方式组成网络，并将它们的感应数据有机地关联和融合时，整个网络提供的能力远大于单个节点。无线传感器网络可广泛用于环境监测、工业过程控制、战场监视、灾后救援等多种场合。 时间同步是网络内协同信息处理的基础，已经有许多针对无线传感器网络的时间同步算法被提出。这些算法都是通过节点间定期发送同步信标来交换时间值，从而在不同节点间建立时间转换关系，由于时钟频率的漂移，节点必须不停地发送同步信标来保持时间同步，而这会导致很大的能量消耗，因此大多数算法都选择适当降低同步精度以节省能量。宽松的时间同步使得不同节点在同一时刻采集的数据相对同一个参考时钟的时间戳存在差异，从而簇头或汇聚节点在对收集到的多个具有时间相关性的时间序列进行融合操作时产生误差。因此，在对多个时间序列进行融合前必须先进行对齐操作，使得相同或相近时刻采集的数据对齐到相同的时间值上。目前的时间序列对齐算法主要用在语音识别和生物信息学中，这些算法在适用场景和计算复杂度方面均不适合无线传感器网络。无线传感器网络中的时间序列对齐算法研究得不多，多数只是在特定应用中进行简单的处理，没有系统地给出具体的算法设计和实验验证。 无线传感器网络的一个重要应用是对自然灾害的多发区域进行实时监视，并在灾难发生后及时将灾难现场的数据发送给监视点。然而当灾难发生时部分节点可能会失效，如何在灾难发生后尽可能多地保存和传输已经收集到的数据是这类网络首要考虑的问题。Growth Codes是解决此问题的第一个方案，其基本思想是每个节点随机地与其邻居节点交换保存的数据，从而将数据尽可能多地保存到网络中。然而随机选择邻居和要交换的数据容易导致大量的冗余传输，降低数据交换的效率。 本文工作包括两部分内容。(1)提出了应用于无线传感器网络的时间序列对齐算法，给出了算法的详细设计，在仿真平台验证了算法的有效性，并分析了影响算法性能的主要因素。(2)在Growth Codes中引入布隆过滤器来消除冗余的数据传传输，通过仿真实验讨论了布隆过滤器的设计权衡及影响布隆过滤器性能的主要因素，实验表明改进的Growth Codes明显提高了汇聚节点的解码速度。