无线传感器网络作为物理世界和信息世界沟通的桥梁,极大的提高人们对于物理世界的认知能力,目前在环境监测、军事侦察、医疗监护、智能家居等领域等到了广泛的应用。作为一种新兴的监测手段,无线传感器网络监测性能的高低很大程度上影响着其在诸多应用领域所发挥的作用。本文从感知粒度的精细性、感知范围的全面性、节点定位的准确性以及事件监测的及时性等性能入手,在理论、算法和实现等几个层面对无线传感器网络的监测性能优化做出了深入的研究。其具体贡献可概括为以下几点:(1)针对无线视频传感器网络中面向人脸识别应用的需求,提出了无线视频传感器网络中的视角覆盖模型,与传统的覆盖模型相比,视角覆盖模型需要综合考虑目标的位置和面部方向,因而以更细的粒度实现了对网络的覆盖性能的量化。基于视角覆盖模型,我们研究了随机部署条件下如何通过调整节点的感知方向提高目标区域视角覆盖率的问题。我们提出了一种分布式的视角覆盖增强算法VCE(View-Coverage Enhancing algorithm),通过迭代调整每个节点的感知方向,逐渐提高节点对目标区域视角覆盖率的贡献度,从而提高目标区域的视角覆盖率。模拟实验表明,算法能够显著提高目标区域的视角覆盖率。此外,我们采用现有的人脸识别算法对实地部署的摄像头所拍摄的画面进行人脸识别。结果表明,通过VCE算法对摄像头的感知方向进行调整,可显著提高目标区域的人脸识别率。(2)针对当前非测距定位算法在不规则部署网络中性能较差的问题,提出了一种基于虚拟力的定位算法VFA(Virtual Force-based Algorithm)。我们利用连通性信息分析了节点之间的距离约束关系,从而通过最小化不满足距离约束的节点对个数达到提高定位精度的目的。我们借助机器人部署策略中"虚拟势场"的思想,根据节点之间不满足距离约束的情况,建立节点之间的受力模型。在算法执行过程中,我们通过分析每个节点所受的作用力,迭代调整节点的估测位置,逐渐消除节点之间距离约束的不满足性,从而提高节点位置估测的准确性。模拟实验表明,VFA算法几乎消除了所有节点之间距离约束的不满足性,并且,相比较现有算法,VFA算法在规则和不规则部署网络中的定位精度均有显著提高。此外,在真实节点部署的实验中,我们提出了一种概率Q-UDG(ProbabilisticQuasi Unit Disk Graph)模型对节点距离进行约束,并将其应用于VFA算法。结果表明当概率参数取值适中时,定位结果较为准确。(3)针对一些突发且持续时间很短的事件,结合结构健康监测应用的特点和要求,提出了一种事件触发唤醒方案,使得传感器网络能够长期有效的对突发事件实现高可靠低延迟的监测。在该方案中,我们在一部分节点上装置震动唤醒模块,将其作为岗哨节点。当震动事件发生时,岗哨节点首先被震动唤醒模块唤醒,并通过无线电触发唤醒方式唤醒网络内所有其他节点。我们通过对事件监测错误率以及系统唤醒延迟的分析,提出了岗哨节点优化选择问题,并且将该问题转化为基于概率的k-中心问题,从而证明了该问题是NP完全的。然后,我们提出了一种基于概率的贪婪算法p-Greedy对岗哨节点优化选择问题进行求解。模拟实验结果表明,p-Greedy算法能够实现对岗哨节点的优化选择,在保证监测可靠性的前提下,降低系统的唤醒延迟。