انتساب داده یکی از مسائل پایه در ردیابی اهداف چندگانه در شبکه های حسگر بیسیم است. این مسئله استنتاج به جستجوی محتمل ترین انتساب بین اندازه گیری های حسگرها و خط سیر اهداف مختلف، از بین تمامی انتساب های ممکن می پردازد. رهیافت توزیعی انتساب داده، با بهره گیری از ارتباطات محلی بین حسگرها به منظور یادگیری همکارانه، می تواند مقیاس پذیری بهتر، پایداری در برابر شکست حسگرها و استفاد? کارای انرژی در شبکه را به همراه داشته باشد. با این وجود، دو چالش مطرح در حل توزیعی انتساب داده، یافتن زیر ساختی مطلوب جهت تداعی چیدمان شبکه به صورت گراف و سپس، استخراج درختی پوشا از روی گراف برای اِعمال الگوریتم ماکزیمم حاصلضرب است. در این پایان نامه با به کارگیری خانه بندی ورنوی، درخت پوشای وفقی توزیع شده ای بر پایه مفهوم خاصیت مارکوف در شبکه های حسگر بیسیم ارائه داده ایم. درخت پیشنهادی، به صورت کارا به نگاشت شبکه به میدان تصادفی مارکوف می پردازد. برخلاف رهیافت های موجود، ساختار ارائه شده قابلیت ایجاد روی هر توزیع تصادفی ای از حسگرها را دارد. هم چنین، با ارائه تابع هزینه پوشش-دهی جدیدی که از لحاظ مصرف انرژی کارا است، توانسته ایم رهیافت پیشنهادی را به حالت سلسله مراتبی توسعه دهیم که کاهش نویز در اندازه گیری های حسگرها و بهبود دقت را به همراه داشته است. کارایی ساختار ارتباطی ارائه شده، با به کارگیری رهیافت سلسله مراتبی در امر گردآوری داده در شبکه های حسگر بیسیم نیز نشان داده شده است. نتایج حاکی از توانایی بستر پیشنهادی در تعامل با ویژگی های شبکه، بالا بردن طول عمر شبکه و متوازن سازی مصرف انرژی بین حسگرها است.