Nếu như các thuật toán phân cụm dựa trên chuỗi và cây cho hiệu quả sử dụng năng lượng bằng cách giảm khoảng cách truyền thông giữa các nút trong mạng thì tổng hợp dữ liệu sẽ loại bỏ dữ liệu cảm biến dư thừa từ các nút cảm biến khác nhau trong các ứng dụng mạng cảm biến để lấy về thơng tin quan sát chính xác hơn [2, 12, 60]. Thêm nữa, nén dữ liệu cũng là giải pháp tốt cho việc tiết kiệm nguồn năng lượng pin quý hiếm của các nút cảm biến không dây bằng cách giảm số bít dữ liệu mà các nút CH phải truyền đến BS [68, 71, 99]. Tuy nhiên, các phương pháp nén như
Huffman; Lempel-Ziv [92] là không phù hợp với mạng cảm biến do nó u cầu
khơng gian bộ nhớ lớn và thuật toán phức tạp mà các nút cảm biến không dây thông thường bị giới hạn về băng thông, bộ nhớ và khả năng xử lý, tính tốn. Do đó, việc thiết kế các thuật tốn tổng hợp dữ liệu đơn giản, có độ phức tạp tính tốn nhỏ, sử
dụng ít bộ nhớ mà vẫn đạt được yêu cầu đặt ra là một thách thức lớn đối với các nhà nghiên cứu. Các tác giả trong [12, 17, 30] đã đề xuất phương pháp ứng dụng lý
thuyết lập luận hiển nhiên Dempster-Shafer vào tổng hợp dữ liệu nhiều cảm biến bằng cách sử dụng tập luật kết hợp [20, 60]. Phương pháp này cho thấy hiệu quả cao trong việc đưa ra các kết quả dự đoán từ tập dữ liệu thô mà các nút cảm biến được. Tuy nhiên, phương pháp Dempster-Shafer tiêu tốn nhiều thời gian cho việc
tính tốn để đạt được kết quả khi số lượng nút cảm biến trong mạng tăng lên. Để
giải quyết vấn đề này, Bin Zeng và các công sự [119] đã đề xuất phương pháp tổng hợp dữ liệu sử dụng phân tích ma trận gọi là LEECF. LEECF khơng chỉ tối ưu về chi phí năng lượng mà còn tăng tốc độ tổng hợp, tính tốn cho các nút cảm biến
bằng cách phân tích ma trận niềm tin. Đầu tiên, tồn bộ thơng tin cảm biến từ các nút trong cụm được trình bày trong một ma trận kích thước n×m, với n là số nút
cảm biến, m là xác suất dữ liệu của nút cảm biến đo được, sau đó thực hiện tính
tốn trong ma trận để lấy về kết quả tổng hợp. Các tác giả cũng chứng minh được các kết quả trả về có độ tin cậy tương đương với việc áp dụng lý thuyết hiển nhiên
Dempster-Shafer nhưng cho độ phức tạp tính tốn nhỏ hơn.
Phương pháp mã nguồn phân tán (DSC - Distributed Source Coding) [16, 58, 84, 111] là kỹ thuật nén hiệu quả và phù hợp nhất đối với mạng cảm biến khơng dây, nó được đề xuất bởi Slepian-Wolf, thực hiện nén không mất dữ liệu hai nguồn dữ liệu
tương quan sử dụng thông tin phụ "side information" [33, 97, 99]. Nó có thể là
thông tin cảm biến được của nút cảm biến đã xuất hiện trong quá khứ hoặc là dữ
liệu của nút hàng xóm cảm biến được. Trong [68] các tác giả đề xuất thuật toán nén dữ liệu cảm biến cho ứng dụng chăm sóc sức khỏe sử dụng DSC, thuật toán đạt được hiệu quả nén lên tới 80% ~ 100% mà không mất dữ liệu. Trong [71], Hong Luo cùng các cộng sự đã nghiên cứu tập hợp thông tin tin cậy năng lượng tối thiểu trên các tô-pô mạng khác nhau như tơ-pơ hình sao, tơ-pơ chuỗi và cây. Các tác giả cung cấp các giải pháp tối ưu để tính tốn số lượng gói dữ liệu cần truyền cho mỗi nút trên các tô-pô sử dụng phương pháp Lagrange. Các chứng minh giải tích và các kết quả mơ phỏng cho thấy giải pháp mà nhóm tác giả đề xuất đảm bảo thông tin
không tin cậy [71, 84, 106]. Các đề xuất [16], [58], đề xuất phương pháp tổng hợp dữ liệu áp dụng mã nguồn phân tán (DSC) tiết kiệm năng lượng sử dụng thông tin phụ ở bộ giải mã để loại bỏ các thông tin dư thừa (trùng lặp) trong mạng cảm biến
không dây.
Gần đây, các đề xuất tổng hợp dữ liệu gồm: Phương pháp tổng hợp dữ liệu để giảm dữ liệu dư thừa từ các nút cảm biến sử dụng luật Simpson [31]. Mục đích chính của
đề xuất này là quản lý hiệu quả nguồn năng lượng và đưa ra dự báo chính xác thơng
tin cảm biến được. Phương pháp lọc phân tán (DKF) để tổng hợp dữ liệu cảm biến trong mạng, nơi mà mỗi nút cảm biến sẽ ước lượng giá trị cảm biến và đưa vào bộ lọc phân tích để lấy về thơng tin tổng hợp [1]; đề xuất tập trung nghiên cứu các kiến trúc, thuật toán tổng hợp dữ liệu đa cảm biến, chúng cho phép tiết kiệm năng lượng kéo dài thời gian sống cho mạng WSN. Hơn nữa, các dữ liệu khoa học dựa trên tập luật thống kê theo lơ-gíc mờ để tổng hợp dữ liệu đa cảm biến cũng được Xiaojun
Zhai cùng các cộng sự sử dụng trong dự án SWIPE (Space Wireless Sensor Networks for Planetary Exploration) khám phá bề mặt mặt trăng. Thuật tốn tổng hợp dữ liệu có thể giảm dữ liệu thô trùng lặp ở nút cảm biến và tăng độ chính xác thơng tin cảm biến và giảm tiêu thụ năng lượng [120].