近年来无线传感器网络在国防、电力、能源、环境、医疗、灾难预警等领域得到了广泛应用。无线传感器节点由于能量有限,如何减少传感器节点的数据传输量,并保持传感器网络感知数据的准确性是研究者面临的难题。本文通过结合无线传感器网络感知数据时空关联特征,找出降低数据传输量的途径。通过大量实验观察我们发现:在森林、海洋等相对稳定环境中布署的采集光照度、温度的传感器网络的感知数据存在一定程度的时间关联性,于单一传感器节点所产生的感知数据序列随着时间变化呈现出一定的规律性,偏离其预期值概率性较低;其次,彼此临近的传感器节点的感知数据存在一定程度的空间关联性,即邻近区域节点间感知数据相对误差具有一定的规律性。针对这种部署在相对稳定环境中的无线传感网络的感知数据时空关联特性,本文提出了一种适用于无线传感器网络的基于时空关联性的感知数据传输整合算法(Sensory Data Suppression,SSS),以减少网络中的数据传输量,同时最大程度保证感知数据的准确性。此算法充分利用了无线传感器网络中感知数据的时空关联性,通过使用向量奇异值分解法(Singular Value Decomposition,SVD)对传感器节点的感知数据传输进行整合处理,即降低不必要的数据传输,从而减少传感器节点能量消耗,有效延长网络寿命。为了避免某些节点频繁地被选择作为传输数据的节点而过快地耗尽电源能量,我们接着提出了有效的负载均衡算法,在保证网络性能的前提下,通过调度传感器节点,尽可能选择存有较多能量的节点传出数据,而其它能量较低的节点保持低功耗的状态,只感知数据,进一步延长系统生命期。实验结果表明,SSS算法在我们实验平台中能够节省40%以上的数据传输开销,极大地降低了传感网络中的数据传输量,同时算法保证了对网络突发事件的检测能力。