无线传感器网络综合了传感器技术、嵌入式计算技术、无线通信技术、分布式信息处理技术等,是信息感知领域的一场革命。在传感器网络中,单个节点由于自身因素及环境影响,无法保证数据的精确性；数目众多、布撒密集的大量节点,由于采样数据之间具有一定程度的信息冗余,将所有的采样数据全部进行传输势必造成网络资源的极大浪费。通过数据聚合技术,将处理后的信息而不是原始数据报告给终端用户,既可以节省节点能量,还可以获得更准确的信息,有利于提高数据收集效率。论文围绕数据聚合技术展开了深入研究,主要工作包括：(1)针对数据聚合技术进行深入调研,分别从数据聚合点的选择、数据聚合时机的选择和数据聚合处理算法等方面分析总结了当前国内外的数据聚合技术。(2)基于分簇网络结构,从无线传感器网络中的数据冗余处理角度出发,提出一套较为完整的数据聚合策略。该策略以网络中数据流向为主线,逐步剖析原始数据采集量化形式、特征属性提取形式。然后根据数据分类结果,对同类型的多数据源提出了基于数据相关度的聚合判定依据,对不同类型的多数据源提出了基于关联分析的聚合判定依据,并分别列举了典型的数据聚合方法。(3)为验证聚合策略的可行性和有效性,论文分别针对标量和图像数据给出了实现方案。对于标量数据,论文基于TinyOS平台通过NesC语言编写标量数据聚合算法,并在TOSSIM仿真环境中模拟节点工作流程,实现标量数据冗余处理。聚合前后的网络性能比较结果表明,数据聚合技术能够有效的减少数据冗余,延长网络寿命,缓解网络拥塞。对于图像数据,论文通过系统集成技术,集成了Linux系统下Gstreamer多媒体架构和SIFT图像拼接算法,实现网络中图像拼接处理。聚合前后数据表明,数据聚合技术以时间延迟为代价,节省了网络带宽资源,在对时延要求较低的应用场合有很好的应用前景。(4)在对数据聚合策略进行验证的基础上,进一步挖掘特定数据聚合技术的典型应用。