所谓数据融合是指将多份数据或信息进行处理，组合出更高效、更符合用户需求的数据的过程。在大多数WSN应用当中，许多时候只关心监测结果，并不需要收到大量原始数据，数据融合是处理该类问题的有效手段。

传感器网络存在能量约束。减少传输的数据量能够有效地节省能量，因此在从各个传感器节点收集数据的过程中，可利用节点的本地计算和存储能力处理数据的融合，去除冗余信息，从而达到节省能量的目的。由于传感器节点的易失效性，传感器网络也需要数据融合技术对多份数据进行综合，提高信息的准确度。

根据数据进行融合操作前后的信息含量，可以将数据融合分为无损失融合和有损失融合两类。无损失融合中，所有的细节信息均被保留。此类融合的常见做法是去除信息中的冗余部分。根据信息理论，在无损失融合中，信息整体所见的大小受到其熵值的限制。有损失融合通常会省略一些细节信息或降低数据的质量，从而减少需要存储或传输的数据量，达到节省存储资源或能量资源的目的。有损失融合中，信息损失的上限是要保留应用所需要的全部信息量。

根据数据融合与应用层数据语义的关系，可以将数据融合划分为依赖于应用的数据融合、独立于应用的数据融合以及两种结合的融合技术。依赖于应用的数据融合可以获得较大的数据压缩，但跨层语义理解给协议栈的实现带来了较大的难度。独立于应用的数据融合可以保持协议栈的独立性，但数据融合效率较低。以上两种技术的融合可以得到更加符合实际应用需求的融合效果。

根据融合操作的级别，可以将数据融合划分为数据级融合、特征级融合以及决策级融合。数据级融合是指通过传感器采集的数据融合，是最底层的融合，通常仅依赖于传感器的类型。特征级融合是指通过一些特征提取手段，将数据表示为一系列的特征向量，从而反映事物的属性，是面向监测对象的融合。决策级融合是根据应用需求进行较高级的决策，是最高级的融合。

WSN的数据融合技术可以结合网络的各个协议层来进行。在应用层设计中，可以利用分布式数据库技术，对采集到的数据进行逐步筛选，达到融合的效果；在网络层中，很多路由协议均结合了数据融合机制，以期减少数据传输量；此外，还有研究者提出了独立于其他协议层的数据融合协议层，通过减少MAC层的发送冲突和头部开销达到节省能量的目的，同时又不损失时间性能和信息的完整性。数据融合技术已经在目标跟踪、目标自动识别等领域得到了广泛的应用。在传感器网络的设计中，只有面向应用需求设计针对性强的数据融合方法，才能最大限度地获益。

数据融合技术在节省能量、提高信息准确度的同时，要以牺牲其他方面的性能为代价。首先是延迟的代价，在数据传送过程中寻找易于进行数据融合的路由、进行数据融合、为融合而等待其他数据的到来，这三个方面都可能增加网络的平均延迟。其次是鲁棒性的代价，传感器网络相对于传统网络有更高的节点失效率以及数据丢失率，数据融合可以大幅度降低数据的冗余性，但丢失相同的数据量可能丢失更多的信息，因此相对而言也降低了网络的鲁棒性。(www.daowen.com)

数据融合的功效可以用以下几个衡量标准来判断：

1）准确度。准确度是最重要的衡量标准，它是在汇聚节点得到的值和真实值之差，准确度可以表示为差、比值、统计数据，或其他根据特定的情况所得到的值。

2）完整性。完整性是对准确度的近似。定义为汇聚节点计算最终的融合时所使用的读数占所有读数的百分比。

3）等待时间。因为中间节点可能会等待数据，所以数据融合会延长报告的等待时间。

4）信息开销。数据融合最主要的优点就是能减小信息开销，从而提高能量效率和延长网络的生存期。