无线传感器网络和WiFi网络的出现和发展为人类的日常生活提供了极大的方便，尤其是一系列以人为中心的应用，例如辅助生活、跌倒检测和紧急响应等。在这些应用中，传感器节点的能量消耗和数据通信是无线网络发展的瓶颈。因此，本文对无线网络中节点的能量优化和数据包传递的底层行为的问题以及无线通信变速编码技术中的Hash算法设计相关问题展开了研究。本论文涉及到如下内容：①提出最优数据包尺寸的方法来优化异构的身体传感器网络和WiFi(BSN-WiFi)网络的通信能量消耗。首先详细介绍了BSN-WiFi网络系统；然后分别分析了BSN和WiFi网络的通信能量消耗，并建立一个BSN-WiFi网络能量消耗的优化模型，其约束条件为吞吐量和时延；进一步，将该模型转化为一个几何规划(Geometric Programming, GP)问题，并使用软件工具cvx来求解；之后将求得的最优解制成数据包尺寸查找表导入到聚合器上，使得其根据实时的数据包传递率(PDR)自动地选择当前最佳的数据包尺寸；最后，搭建一个BSN-WiFi网络平台来评估能量优化模型。结果显示，与固定数据包尺寸方法相比，最优数据包尺寸法可以节省最多70%的能量。②提出联合数据率适配的方法优化BSN-WiFi网络的通信能量消耗。首先将BSN-WiFi网络系统抽象为连续的四个阶段来理解；然后，分析BSN-WiFi网络的通信能量消耗、吞吐量和时延，以及信噪比和数据传递率(SNR-PDR)映射。然后，建立能量优化模型来最小化BSN-WiFi网络的能量消耗，约束条件为SNR-PDR映射、吞吐量和时延。以SNR值为输入，用cvx求解该模型得到最优数据率并制成最优数据率查找表做在线查找。最后，从一个特定的BSN-WiFi网络系统收集了约20分钟的数据来评测该模型。结果显示，与固定数据率方法相比，最优数据率法可以节省最多86%的能量。③提出了一个新颖的离散时间的Markov模型来模拟无线网络链路的突发行为，让研究者深入了解数据包传递的深层行为。具体地说，首先建立一个离散时间的Markov模型，该模型的输入为β值，输出为突发流量的序列。然后，设计了一个算法来模拟Markov模型，该算法中状态转移代表数据包的接收或者丢失。最后，我们通过每次100万次的数据包传递，共100次的测试实验来评估该模型，结果显示该模型能够准确地模拟无线链路的突发行为，模拟的β值和实际β值的标准差为0.0187。④提出两种应用于无线数据通信变速编码中的核心算法：基于函数查找表的Hash算法和基于细胞神经网络的Hash算法。首先，提出一个新颖的基于动态函数查找表的Hash算法：将分块的信息转换成其对应的ASCII码值，在函数查找表中查找等值的索引值，进而找到相应的复合函数。对每个信息块来说，四个存储值将被相应的复合函数重新赋值，然后函数查找表将动态更新。当所有的信息块处理完后，最终的128比特Hash值将通过级联最终四个存储值而得到。其次，提出一个基于四维细胞神经网络的混沌Hash算法：将任意长度的信息填充后以512比特为单位分割成块，该512比特的块然后分成128比特子块，进一步每个128比特的子块再次分成四个32比特值，这四个值将通过混沌猫映射来生成四个新的值。这四个新值将与四个初始值或者之前的块生成的四个值执行异或操作，然后它们将作为细胞神经网络的输入。经过迭代细胞神经网络，当前信息块的Hash值将生成。所有生成的中间Hash值作为复合函数的输入，最终生成128比特的Hash值。