在无线传感器网络的发展与应用中,网络覆盖率是衡量无线传感器网络质量的重要性能之一,是判断无线传感器能否正确到现实生活中的重要评价指标之一。鉴于此,本文分别针对二维平面区域和三维曲面的无线传感器网络覆盖问题进行研究,统称为无线传感器覆盖问题研究。本文研究主要从以下几个方面入手:首先介绍了本课题研究的目的与意义,然后简单的概括了现阶段国内外关于无线传感器的研究,主要从全向传感器和有向传感器入手。其次介绍了视频传感器网络的基本覆盖问题,以及关于视频传感器网络覆盖的相关文献,分析对比了不同的文献算法。然后主要介绍了粒子群优化算法的基础知识、原理和思想,以及遗传算法轮盘赌策略的实现方式。之后针对粒子群算法在找寻优质解的过程中,由于自身的局限性而无法从局部极值里跳脱出来的问题,在标准粒子群算法的基础上,提出了一种改进的粒子群算法（IAGAPSO）,针对粒子群算法的重要参数惯性权重值,由于惯性权重值的大小控制着算法全局搜索最优和局部最优搜索能力的强弱,因此本文根据自适应权重策略更新惯性权重值,对于网络覆盖率高的粒子设置较低的惯性权重值,这种粒子局部搜索能力强于全局搜索能力,在局部极值附近进行精确搜索,对于网络覆盖率低的粒子设置较高的惯性权重值,这种粒子能够更快的向外扩散,到达局部极值附近。另外本文还利用轮盘赌策略使网络覆盖率高的粒子中的传感器节点能够有更高的概率进行交叉变异,得到更高的覆盖率。无线传感器网络覆盖问题是一个N-P问题,本文针对目标区域的无线传感器覆盖问题进行研究,通过在目标区域放置传感器节点监测目标区域活动,然后通过上述提出的IAGAPSO算法来对传感器节点在目标区域的位置坐标进行优化,得到更高的网络覆盖度,对目标区域进行更广泛的覆盖。首先,将二维平面的目标区域进行网络划分,将目标区域划分为数个1×1的小网格,通过判断网格被传感器覆盖的个数来计算覆盖率,并将其作为上述算法的适应度函数,通过不断迭代得到一个更优解。实验表明,上述提出的IAGAPSO算法在传感器节点的结构相同条件下的覆盖率优于标准粒子群算法（PSO）和标准自适应惯性权重算法（IAPSO）的,目标区域中的传感器节点分布相对的更加分散。为了进一步验证算法的优越性,分别在不同节点数目、不同传感器半径、不同传感器视野角的情况下进行对比实验,都明显优于PSO和IAPSO算法的。针对三维曲面表面的有向传感器网络的覆盖问题,本文着重从使用的视频传感器模型入手,首先介绍了视频传感器模型,其覆盖范围是基于四棱锥的,根据三维感知模型的一些参数,计算得到四棱锥的五个顶点坐标,并提出了一种新的目标区域点判定公式-体积法,即四棱锥内部点与四棱锥各面组成的锥体的体积之和等于四棱锥的体积之和并随机初始化了两个传感器节点,并分别选取20个点作为目标点进行验证。