随着海洋资源开发以及国家海洋安全领域发展,水下自组织网络对于海洋资源勘探、灾害预警、军事情报收集等军用民用各方面具有十分重要作用。与陆地无线电通信不同,水下自组织网络采用水声声波通信,水声信道时延长、带宽窄以及面临水下复杂环境带来信号衰减大、误码率高等问题。针对这些问题,研究适应水声通信的媒体接入控制(Media Access Control,MAC)技术至关重要。针对节点竞争接入信道时间不公平问题,本文结合水下自组织网络水声信道时延动态性,提出了基于Q学习的CW动态自适应退避算法---QL-UACW算法。算法利用强化学习思想,通过自主学习网络通信过程而自适应调整竞争窗口。首先将竞争窗口及其调整映射为强化学习中的状态-动作;然后通过学习发包过程获得的反馈奖赏值来调节竞争窗口值;最终通过迭代累积奖赏值更新竞争窗口的状态值函数,获得竞争窗口最优调整策略。算法根据网络状态对退避机制中的竞争窗口进行自适应调整,以避免固定调整机制中存在节点长期占用信道情况,从而解决了节点间接入信道时间不公平问题。理论研究与仿真分析可知,QL-UACW算法有效地提高了节点接入信道公平,降低数据帧冲突率及提高网络吞吐量。针对节点间接入信道空间不公平问题,本文设计了一种同向节点竞争异向节点时隙分配的混合MAC协议---SDHA协议。协议根据节点相对通信方向将节点分为同向节点和异向节点,同向节点采用竞争协议,异向节点采用时隙分配协议,解决节点通信的隐藏终端问题以及空间不公平问题;同时考虑水声信道时延及时变性,根据水声信道时延模型设置超时重传机制,以解决高时延及时延变化带来的低吞吐量问题;最后设置混合协议的混合周期,根据网络负载自适应设置协议优先级,以提高网络整体通信性能。理论研究与仿真分析可知,SDHA协议在归一化网络吞吐量、平均端到端时延及数据帧发送成功率方面更具优势。