无线传感器网络作为物联网系统组成之一,是转变农业生产方式,促进我国农业可持续发展,高效利用农村资源的重要载体。作为无线信息获取和处理技术在农业生产领域正引起广泛的关注。WSN是一个动态网络,具有动态拓扑组织功能,能实现对农田监测区域的完全覆盖和保证整个网络的连通。农田幅员辽阔,采集信息量大,因此减少系统能耗、最大化延长网络寿命、准确有效定位及精准的信息采集与传输是设计基于无线传感器网络的农田环境监测系统的重要性能指标。目前,农田环境中部署的传感器节点数量较多,大部分靠电池供电,节点的能量消耗相当可观,广大学者进行了各种节能措施的研究,取得了一定的进展,但针对农田实际需要的节点部署策略及路由协议研究的节能策略并不多。另外,农田无线传感器网络中节点的位置信息也是研究的一个重要环节。目前,无线传感器网络的定位算法很多,其中常用的RSSI定位算法由于受实际环境影响大。因此,针对农田实际情况的精确测距模型尚需完善。再则,传感器本身的精度及传感器节点具有非线性误差等因素会导致测量数据不准确,合理的校正能有效提高系统的测量精度。对多个传感器节点持续采集会产生大量数据,通过数据融合可以减少上传网关的数据量,从而节省系统能耗,提高网络鲁棒性。基于此,本文在深入剖析该领域国内外研究工作的基础上,针对无线传感器网络在农田监测应用的关键技术展开了研究,主要的研究工作如下：(1)实验研究了同构网络及异构网络的节点部署性能。分析了同构网络中正六边形、正四边形两种规则部署及随机部署方式三种情况下的覆盖率,其中正六边形的节点间距离是传感半径的√3倍时,正四边形的节点间距离与传感半径间的关系为√2时,网络达到完全覆盖,覆盖率为1。研究并比较两种规则部署中节点传感半径及节点间距离与能耗的关系,结果表明正六边形的能量损耗相对较小。在此基础上应用NS2仿真软件对同构网络的三种部署方式的网络生命周期、端到端延时及丢包率三种网络性能进行了分析,结果表明正六边形的网络性能最好。同时对异构网络的网络性能进行了研究,对异构部署中的高能节点与普通节点的正六边形方式及正四边形方式达到完全覆盖时的位置与数量关系进行比较分析与仿真实验。结果表明部署节点总数量为225时方式1下正六边形部署形式网络生命周期最长,而方式2下正四边形部署生命周期最长；节点数量为361时方式1下随机部署的网络生命周期较长,而方式2下正六边形部署方式出现死亡节点时间较晚,但总体网络存活时间不如随机方式。实验结果显示：异构方式具有更好的延长网络生命周期的特点。(2)设计了2.4GHz的ZigBee节点异构组网性能测试实验。分别对普通节点和高能节点在有无农作物两种情况、三种不同高度条件下的有效传输距离范围进行了测试,确定了大田节点部署时的节点间距离及节点放置高度。在此基础上对相同传输距离下以及相同覆盖率下正六边形和正四边形两种异构部署方式放置节点的数量进行了比较分析。结果表明相同传输距离下正六边形放置节点的数量比正四边形放置的节点数量多,相同覆盖率下正四边形形放置的节点数量比正六边形的数量多。最后在农田中部署节点,对相同传输距离和相同覆盖率下的两种方式进行剩余能量实验,结果显示：相同传输距离下的正六边形节点电压减少较慢,而相同覆盖率下正四边形节点电压减少较慢。(3)设计了基于RSSI的无线传感器网络的定位方法。在实际农田信息监测系统应用时RSSI值受节点间距离、天线高度、作物长势等多因素影响。本文对2.4GHz传感器节点在农田有无农作物、安置在不同高度,相对距离不同多种环境条件下信号强度进行实验；研究分析RSSI值与节点间距离和高度的衰减关系；应用多元线性回归方法拟合出无线信号传播模型。并基于该模型进行测距实验,最终依据高斯混合算法及最大似然方法实现对未知节点的定位。在8x8m2的田地区域中放置4个信标节点和2个未知节点进行了定位实验,实验结果表明该系统在4个信标节点的情况下,能够较好的实现对两个位置节点的定位,平均定位误差1.01m。(4)在分析了蚁群算法的原理及优点基础上,提出了一种分层的元胞蚁群优化路由算法。将农田实际环境中的传感器节点映射成元胞节点,储存邻居节点的剩余能量、节点距离、信息素等信息,通过计算信息素概率选择下一个节点,不断更新各条线路上的信息素,直至到达sink节点。算法通过改进元胞节点休眠转换机制和信息素更新规则,优化了网络路径。实验显示：与传统的LEACH算法比较存活时间提高了15.9%,更加均衡了网络能量。(5)农田信息采集时需要放置土壤温湿度、光照度等多种传感器,提出了一种基于多参数的两级信息校准及融合方法。在研究分析影响土壤温湿度、光照度传感器测量的主要因素基础上,对30种样本进行测量,通过BP神经网络方法及最小二乘拟合法将单个传感器的测量数据进行校准,消除传感器测量的非线性误差,同时剔除错误的数据。实验结果表明神经网络法校准的效果更好,该方法对两种传感器校准的误差均在±2%范围内。然后通过自适应加权融合算法对多个传感器的测量数据进行融合,根据融合推理结果,获得被测对象的当前状态,融合实验表明自适应融合算法能够达到较好的融合效果。通过两级融合处理方法不仅实现对单个传感器数据的优化校准,同时也对多个传感器数据的进行了融合处理,提高了整个监测系统的可靠性,精确性。(6)根据农田环境特点,完成了土壤湿度、光照度、温、湿度四种传感器的选型以及模块化设计,对传感器节点和网关节点及电源控制电路进行了设计。实现了.NET远程监控平台及移动终端的Android监控平台的设计。农田环境监测系统实现了对温、湿度、光照度和土壤湿度及视频信息的采集及处理,系统运行稳定、可靠,满足了农田监测的需要。