افزایش روز افزون تقاضا برای شبکه های حسگر بی سیم(wireless sensor networks)، به دلیل نداشتن هزینه و محدودیت های سیم کشی موجود در شبکه های کابلی، ارزان بودن حسگرها و نیز قابل استفاده برای کاربردهای خاص با کمترین مداخله انسان در حین کار شبکه باعث شده تا wsn مورد توجه خاصی قرار بگیرد. امروزه استفاده از شبکه های سنسور بیسیم در کاربردهای پزشکی رشد زیادی داشته است. به دلیل رشد تکنولوژی سنسورها در این زمینه، یک حوزه جدید به نام wireless body area network(wban) یا به زبان ساده تر body area network(ban) به وجود آمده است. از آنجایی که بیشتر دستگاه ها و کاربردهای آنها در طبیعت هستند، امنیت و حفظ حریم خصوصی و مصرف انرژی از نگرانی های عمده در این زمینه می باشند. همچنین، طول عمر شبکه و مقیاس پذیری دو معیار مهم در wban ها هستند. به منظور کاهش مصرف انرژی و افزایش طول عمر شبکه می توان از روش های مسیر یابی خوشه بندی وزن دار استفاده کرد. در این پایان نامه پس از بررسی پروتکل های مسیریابی موجود، یک روش جدید برای خوشه بندی وزن دار ارائه شده است. روش پیشنهاد شده برای خوشه بندی در این پایان نامه(weeca) به وسیله تعیین وزن گره ها با در نظر گرفتن پارامترهای مورد نظر، گروه بندی گره ها در چند خوشه و انتصاب سرخوشه به آنها، منجر به کاهش مصرف انرژی و افزایش طول عمر شبکه می شود. هدف این مطالعه مقایسه خوشه بندی مورد نظر با الگوریتم های خوشه بندی موجود در کاربرد کنترل حرکات عضلات می باشد. کاربردهای زیادی مثل کاربرد در توان بخشی، کاربرد در مطالعات ارگانومیک، کاربرد در مطالعات ورزشی، کاربرد در مطالعات نئورولوژیک و کاربرد در آموزش را می توان برای تحلیل سیگنال emg و کنترل حرکات عضلات ذکر کرد. این مطالعه شامل پیاده سازی روش wecca، در یک محیط شبیه سازی و ارزیابی در جهت اثر بخشی آن است. با بررسی و مقایسه نتایج، به این نتیجه می رسیم که این الگوریتم مسیریابی در زمینه کاهش مصرف انرژی و در نتیجه افزایش طول عمر شبکه موثر است.