无线传感器网络(Wireless Sensor Network,WSN)作为信息实时获取技术已广泛应用在国民经济与国家安全等方面,并受到人们的日益关注。WSN由众多节点组成,节点能量有限,因此,提高网络能效性成为 WSN设计中亟需解决的首要问题和关键技术。　　本文首先介绍了选题的背景和意义、研究现状,总结归纳了WSN中能量消耗的主要方面,以及相应的能效优化的主要方法。感知节点布置到感知区域后,回合制地自适应分簇,采集数据汇聚后传输给基站。在远距离传输数据时,由于压缩融合多跳转发数据相对于单跳传输更节省能耗。而当感知区域的节点布撒较多时,容易选择出协作节点。为了节省能耗,本文引入了协作多输入多输出(Multiple Input Multiple Output,MIMO)技术,通过簇头及选择簇内协作节点的机制形成虚拟多天线阵列,进而利用协作MIMO在簇间传输数据,MIMO产生的分集增益大大提高了 WSN能量效率。在成簇时,优化了成簇规模,选择剩余能量较大且传输功耗较低的成员节点作为协作节点。在簇间传输时,本文采取了改进的智能蚁群算法(Ant Colony Algorithm,ACA)来搜索更适合的中继节点,利用候选中继簇头的剩余能量和到达其的传输功耗构建信息素更新方法,启发蚂蚁寻找最优路径,从而获得局部最优路由,使得在簇间数据传输能耗更低,网络负载更加均衡。　　其次,在簇内数据收集阶段,成员节点将采集数据发送给簇头,成员节点的能效优化也是关键方面。簇内能效优化可以看做是衰落信道下的速率自适应调整,即选择合适速率保证可靠传输的同时提高簇内传输数据的吞吐量,选择适合的速率也可保证较低的发射功率,从而节省能耗。因此,本文提出了在簇内节点间基于统计量的速率自适应调整算法M-RADM算法。　　最后,传输路由确定之后,需要考虑簇间数据传输性能和网络能耗,既要保证传输速率,也要降低发射功率,以延长网络生存时间。本文将所有节点对网络提供的服务满意程度建模为总的网络效用最大化(Network Utility Maximization,NUM)问题。在相邻区域,感知节点采集的数据可能会有大量冗余重叠,在传输过程中,对这些重叠数据压缩融合,可以减少大量的数据传输量,降低能耗。但是压缩时需要能量,对能量的重新分配影响着数据传输和压缩融合。因此,本文提出了网络效用既要满足网络传输性能和保证网络生存时间,还要考虑能量在传输和压缩之间的合理分配。在考虑能量分配的情况下,利用凸函数性质,定义新的效用函数,保证了网络对生存周期,同时提高了传输服务质量,调整权重,使得传输性能和网络能耗达到平衡。