无线传感器网络中,现有数据收集方式多采用静态Sink的方案,易造成Sink周围的节点负载过重而过早死亡,导致网络分割,形成监测盲区；另一方面由于传感器节点的随机部署,易形成不能获取信息的监测盲区,而且传感器节点资源有限等自身特点也容易导致节点采集的感知数据缺失,监测盲区与感知数据缺失问题给传感器网络各种应用带来了巨大困难。因此,如何均衡网内节点能耗,提高网络生存时间以及对监测盲区、缺失数据进行准确估计,成为无线传感器网络中亟待解决的问题。本文对传感器数据所处的时空特性进行环境建模,主要对传感数据收集与插值算法展开研究,主要工作如下：一、研究传感器网络中基于移动Sink可控轨迹的数据收集路径规划问题。针对静态Sink数据收集方法易导致网络热区问题,建立了移动Sink可控轨迹下的数据收集模型,提出了一种基于移动Sink最优穿越路径数据收集算法,算法以系统数据收集量最大化与网络节点能耗均衡为目标。基于OMNET++仿真实验表明,算法能最大化网络吞吐量,均衡网络能耗,延长网络生存时间,在能耗利用率方面远优于固定Sink数据采集方法。二、研究传感器网络中监测盲区与缺失感知数据估计问题。传感数据具有较高的时空相关性,针对单个节点的感知数据缺失问题,建立了传感数据时间序列模型,提出了一种基于传感数据时间序列模型拟合预测算法；针对监测盲区的环境信息不可获取,建立了空间相关性模型,提出一种基于空间相关性的自适应盲区评价算法；最后结合传感数据时空相关性,提出一种基于时空相关性的自适应插值算法。算法通过预置误差阀值自适应选择不同相关度邻域节点的采样值对预测点进行插值估计。理论分析和仿真实验表明,算法能有效估计监测盲区预测点的数据与缺失感知数据,具有可靠、稳定的估计性能,并可支持网内任意点的实时估计算法。三、结合以上研究工作,设计和实现了基于OMNET++仿真平台的插值仿真系统ISSWSN,评价所提出的算法的性能。ISSWSN主要针对传感器网络监测盲区与缺失感知数据进行插值预测,搭建从网络层至应用层协议栈,各层之间提供通用接口,具有易用性与可扩展性。模拟实验结果表明,ISSWSN为本文所提出的插值算法研究提供了有效的评估手段。