传感器网络技术是21世纪信息感知和采集最重要的技术之一。传感器网络由众多的传感器节点通过自组织方式构成。节点通常由传感单元、处理单元、通信单元和电源部分构成。其中,处理单元是节点的核心模块,具有传感器节点设备控制、任务分配与调度、数据处理和传输等功能。然而,传感器网络节点携带的处理器单元能力比较弱、存储器容量比较小、能量有限。休眠机制能有效节约传感器网络节点能量。但是,该机制严重影响节点数据采集和接收效益。所以,为了确保传感器网络节点的工作效益,设计节点唤醒与数据接入策略具有重要的研究意义。基于传感器网络节点工作过程随机动态变化的特点,本文利用马尔可夫决策过程（Markov Decision Process,MDP）,研究休眠机制下传感器网络节点数据链路层的唤醒策略、休眠/唤醒机制下网络层的节点选择策略和传输层的数据接入策略问题。本文的主要贡献如下:（1）研究了传感器网络节点决策效益最大化的唤醒策略问题。传感器网络节点接收和处理发送数据的过程可看成排队服务过程。本文基于MDP模型,针对节点在工作环境无差错、无干扰的假设条件下提出了决策效益最大化的唤醒策略。本文根据节点休眠/唤醒工作状态建立一个基于MDP的数学模型,形象地描述节点工作过程;针对建立的模型,研究节点唤醒决策规则;根据决策规则,理论上证明了节点的最优唤醒策略,给出了的下界值;根据得出的最优的策略,进一步分析节点不同状态的能耗情况。该理论方法可设置在节点处理器中方便节点工作策略设置,减少算法复杂度,为节点的设计提供了一个新的视角。（2）研究了传感器网络节点决策效益约束下,能耗最小的随机唤醒策略问题。传感器网络节点工作中存在信道干扰、噪声、网络连接不稳定等情况,本文运用马尔可夫模型对节点随机性的休眠/唤醒过程进行建模;理论分析了节点随机唤醒模型下的能耗,并基于MDP研究唤醒中平均折扣效益没有受损的情况下的能耗最小的最优策略。通过仿真与实验对比表明,本文提出的随机唤醒策略使得传感器网络节点在工作中能获得平均折扣决策效益及能耗上的明显优势。（3）研究了传感器网络节点在时延约束下的决策效益最大化的下一跳选择策略问题。针对休眠/唤醒机制带来的网络时延问题,通过节点剩余能量、节点位置、传输能耗及传输时延等指标,运用MDP模型对传感器网络休眠/唤醒机制下的下一跳路由节点选择过程进行建模;分析节点下一跳的选择,从而使得节点在时延约束下获得最优平均决策效益;通过实验仿真与对比表明,本文提出的节点选择策略减小网络节点间的平均剩余能量方差,延长网络寿命,提高网络节点的最大发送数据包量。（4）研究了传感器网络节点决策效益最大化的数据接收策略问题。由于传感器网络节点覆盖范围和电池容量有限,数据接收方法是传感器网络节点研究中的一个难点和热点。为实现传感器网络节点数据接收平均折扣决策效益最大化,本文基于MDP模型,研究休眠/唤醒机制下,传感器网络节点传输层的数据接收问题。首先,本文运用MDP模型对网络节点休眠/唤醒过程进行建模,理论分析和证明了节点在休眠/唤醒过程中何时接纳或拒绝到达的数据包存在最优策略,即（;）策略;本文给出了计算策略的阈值的上限公式;基于最优的（;）策略研究了网络节点的能耗。通过仿真与实验对比表明,本文提出的最优（;）数据接收策略,有效地提高了节点数据接收过程中的平均折扣效益,并且当节点数据到达率达到一定数值后能有效地减少节点能耗。（5）研究了传感器网络节点决策效益约束下的吞吐量最大的数据随机接入策略问题。在传感器网络节点中,随着达到的数据量的增加,节点缓冲区逐渐出现拥塞,导致节点的吞吐量通常会先增加,随后开始减少。网络节点数据接入中需要一种接入机制来保持高吞吐量。考虑到传感器网络节点工作的随机特性,本文基于MDP模型,提出了概率接入算法,（;）模型;从理论上研究和证明了如何在休眠和唤醒阶段接入数据包从而获得最大吞吐量并确保数据接收中平均折扣决策效益没有受损;对于最优的（;）模型,本文进一步研究了节点的能量消耗。通过仿真与对比实验表明,一定条件下,本文提出的基于概率的数据接入策略在平均折扣决策效益,吞吐量及能耗上有相对优势。最后,本文对全文中研究的基于MDP模型的传感器网络节点唤醒和数据接入策略的相关成果和问题进行了总结,讨论了该领域中尚未解决的问题和所采用的方法需要改进之处,并对该领域研究的发展方向做了展望。