数据融合是无线传感器网络的重要支撑技术之一,其主要分为应用层中的数据融合、网络层中的数据融合和独立的数据融合协议层。网络层数据融合算法负责建立从源节点到基站之间的数据传递、融合路径,其设计对数据融合效果、节点能耗有重要影响。监测突发事件是无线传感器网络的一个重要应用,并且监测突发事件时无线传感器网络具有事件驱动的特点。而网络层上的传统分簇数据融合算法的分簇机制与事件无关,数据融合效果较差,网络能耗较高。因此,为了降低应用于突发事件监测的无线传感器网络的能量消耗,设计实现了一种基于事件驱动的动态分簇数据融合算法EDDC。在人体神经系统工作机制和传感器网络分簇数据融合算法的基础上,建立了基于人体神经系统的传感器节点模型。提出簇的生存时间和覆盖范围依据事件情况而动态调整,以有效提高数据融合性能,避免冗余分簇。并采用多跳路由方式建立源节点到基站之间的数据传递、融合路径,不仅降低了网络能耗,还避免了簇的覆盖范围受限于簇头节点的通信距离。利用NS-2网络仿真工具将EDDC算法与同样适用于监测突发事件的TEEN协议进行了比较,结果表明,新算法在节点平均能耗和节点存活数目方面都比TEEN协议有了明显改善,有效延长了网络的生存时间。