无线传感器网络集信息采集、传输和处理技术于一体,被认为是21世纪最有影响力的技术之一,具有巨大的发展潜力。信息融合技术对于无线传感器网络至关重要,有助于无线传感器网络节省能量,提高网络数据收集效率和信息可靠性。由于无线传感器网络受到自身物理条件的约束,信息融合面临诸多新的挑战:如节点信息的相关性、异步融合的复杂性、信息传输的无序性等。这些挑战的出现已成为无线传感器网络信息融合算法研究的难点,本文重点对无线传感器网络的无序信息融合算法进行研究。　　首先,论文对传感器无序量测算法研究现状进行了较为详尽的总结和分析,概括了当前无序量测算法存在的问题。随后介绍了多种传统信息融合算法,分析了它们的特点及应用,为后续研究奠定基础。　　其次,针对单传感器任意延迟的无序量测问题,为了克服当前算法扩展性差和难以处理复杂无序量测等问题。提出了单传感器反馈估计算法,该算法在一旦出现延迟量测后,融合中心将最后更新的状态估计回传至本传感器进行若干采样周期的kalman滤波,最后将状态更新传至融合中心。在保证实时性的同时,通过反馈估计可以获得在线性最小均方误差下的局部最优估计。　　最后,针对无线传感器网中的同步与异步无序量测问题,分别提出了基于单传感器反馈估计的同步模糊最优加权算法和异步模糊最优加权算法。根据传感器节点的采集数据、剩余能量和延迟频率建立聚类模型,通过模糊聚类把状态相似的传感器节点进行聚类,在各类节点中选择能量最高的节点,对选中的节点局部估计进行最优加权融合。经计算机仿真实验,结果表明两种算法不仅具有良好的估计精度,而且通过选择性融合减少节点的数据发送量和降低通信能耗,从而延长网络的生命周期。