无线传感网络是21世纪最具有发展前景的技术之一,它已被广泛地应用于军事监控、医疗卫生、环境监测、紧急救援等领域。数据收集是无线传感网络中最基本的功能之一。根据不同的应用需求,数据收集主要可分为有融合和无融合两种不同的模式,有融合的数据收集即数据聚集。例如,在一些应用中(如图像信息采集等),需要将每个节点的信息都传输到服务器,即无融合数据收集模式;而在温度、湿度查询等应用中,尽管数据收集能满足这些应用的需求,但往往会导致网络通信量过大与节点能量消耗过快,而数据聚集则可以采用数据融合技术对传输数据进行融合处理,既能满足应用的需求,又能减少网络通信量,从而实现节省节点能量消耗、延长网络生命周期的目的。本文的研究将围绕上述两种不同的数据收集模式展开。数据收集应用非常广泛,这也导致其对性能的要求也不尽相同。在持续的目标跟踪、环境监测等应用中,节点能量有限且不易补充,因此,有效地延长网络生命周期是数据收集的首要任务;而紧急救援、战场监控等应用需要对监测区域进行实时监控,要求系统能够根据监测的信息做出最及时的反馈,因此对数据收集的实时性要求较高,即低传输延迟也是数据收集追求的目标之一。尽管目前已有不少的研究成果,但是这些研究大多侧重于某单一性能指标,而较少关注多性能指标的折衷优化。本文基于上述两种不同的模式,对数据收集中能量与延迟的平衡问题进行了研究,研究内容主要包括以下几个方面:1)已有的针对网络生命周期优化的无融合数据收集方法,往往存在着延迟过高等问题。因此,本文首先针对无融合数据收集,研究了在保证传输延迟的情况下,有效地延长网络生命周期的问题。我们从“加权”负载均衡的角度来考虑该问题,提出了一个延迟受限的生命周期最大的数据收集算法—DCDR。DCDR算法首先构造生命周期近似最优的数据收集树,然后通过对延迟“瓶颈”节点迭代处理来满足延迟要求,并通过剪枝优化技术来减少算法的时间复杂度。实验结果表明,与无延迟约束的MITT算法相比,DCDR算法能在保证网络传输延迟的情况下,使其网络生命周期达到MITT算法的90%左右。2)在以往的数据聚集问题研究中,大部分都假设节点传输半径固定,然而在实际的系统中,每个节点都有多个可利用的传输能级,由于拥有多个传输能级,从而其传输半径是可变的。在本文中,我们首先分析了传输能级对网络生命周期及传输延迟的影响,然后提出了一个有效的数据聚集算法(EDG)。EDG算法首先对节点的负载变化进行估算,然后通过给每个节点分配一个权值来满足延迟约束,并通过节点的路径优化与能级调整来实现能量有效性。实验结果表明,与无延迟约束的MLA算法相比,EDG算法能在不同的网络条件下,使其网络生命周期保持在MLA算法的53%以上;而与有延迟约束的DCML算法相比,EDG算法的网络生命周期提高了10%左右。本文的主要贡献及创新点如下:1、在无融合数据收集方面,提出了一个延迟受限的生命周期最大化的数据收集算法。该算法首先构造生命周期近似最优的数据收集树,然后通过对延迟“瓶颈”节点的处理来满足延迟需求。2、在数据聚集方面,针对实际系统中的节点模型,研究了网络生命周期与传输延迟的平衡问题,并设计了有效的数据聚集算法。该算法通过路径优化以及能级调整来实现能量有效性。