随着5G通信、物联网等新兴技术的快速发展,世界已经步入了一个信息爆炸的时代,产生信息的源节点数目、单片信息的数据量都呈现出加速膨胀的态势。在这样的大数据背景下,无线传感器网路(wireless sensor network,WSN)作为物联网的关键组成部分,必须合理且有效地应对海量信息的严峻考验。对于无线传感器网络来说,处理大数据量信息的关键在于增加网络中信息的流动效率。为此,我们必须深入剖析信息在网络中的流动规律,从各个方面提高信息的流动速度,从而提升传感器节点和整个网络感知、传输和处理信息的能力。在本论文中,我们重点关注了无线传感器网络中两个最重要的信息流动过程,即信息传播(informationpropagation)和信息获取(informationacquisition)。信息传播意指单个传感器节点到多个传感器节点的信息扩散过程,其最关键的性能指标是信息传播速度(informationpropagationspeed,IPS),这代表了网络传导数据信息的能力。在拓扑动态、节点移动的实际网络环境下,改进现有的信息传播方式成为顺应当下大数据技术浪潮的关键诉求。对于信息获取,它表示多个传感器节点到单个汇聚节点(sinknode)的信息收集过程。传统的信息获取采用的策略是收集全部信息,这必然无法面对海量信息的压力。为了在信息获取方面降低网络能量耗损、减少数据信息冗余并增强网络的动态自适应能力,我们有必要设计更高效、更智能的主动信息获取策略。基于以上两个方面的需求,本论文分别在信息传播和信息获取方面进行了深入的探索和研究,得到的主要贡献如下:1.无线传感器网络中基于虚拟多天线的快速信息传播方法从整体上把握了无线传感器网络中信息传播的研究脉络,对相关工作进行了串联和总结。在此基础上,创新地以提升网络信息传播效率为目的,结合分布式虚拟多天线技术,提出了两种快速信息传播方法,分别是基于簇的协作型传播机制以及基于多路信号贪婪式合并型传播机制。对每种方法,我们都以一维网络场景应用为示例,分别提出了具体的新型信息传播协议,并灵活运用网络建模和数学抽象等手段对其进行了量化分析,得到了相应的信息传播速度的闭式表达,并从中进一步提炼了包括网络节点密度、节点移动速度、节点传输距离在内的各项参数对网络信息传播的作用规律。仿真结果显示,两种快速信息传播算法相比于传统算法均提供了明显的性能增益。2.无线传感器网络中基于元学习(metalearning)的主动信息获取方法针对无线传感器网络中通过信息获取来实现未知场的估计和重建问题,提取了相应的通信任务和计算任务模型,并通过分析两者之间的关联性建立了“通信”与“计算”融合的信息获取算法框架。本文创新地结合了元学习以及强化学习(reinforcement learning)等计算理论,将原通信任务中的最优信息传递问题转化为一个以优化算法本身为目标的元学习问题。通过成功建立相应的双层学习机体系,设计可行的策略搜索算法,最终获得了一种可主动寻找有效获取位置的自适应信息获取算法,从而实现“通信”与“计算”的联合优化。仿真结果显示,该算法相比于传统算法明显提高了信息获取效率和性能,同时还具有针对动态信息和任务变更的双重自适应性。