近年来,无线传感器网络技术得到了飞速发展,应用领域越来越广,随之而来的无线传感器网络拥塞问题也日益突出。无线传感器网络拥塞可以分为多个层次,其中之一就是节点级别的拥塞,即节点需要发送的分组流量超过节点的发送能力,导致缓存溢出,造成数据分组的丢失和网络排队延迟的增加。从而使得网络吞吐量下降,严重时会造成整个网络瘫痪。因此,研究一种能有效缓解无线路由节点级别的网络拥塞控制方法是十分必要的。本文的主要研究内容是解决无线传感器网络中的无线路由节点转发大量数据而导致的网络拥塞。目前,通过无线传感器网络节点队列管理方法可以缓解这种原因带来的拥塞问题。而主动队列管理(AQM)方法在有线网络拥塞控制中是一个重要研究思想,并且这种思想已经引入到无线传感器网络中。主动队列管理方法在发生拥塞之前提前丢包,能够有效地控制队列长度,避免网络发生拥塞,解决滞后性和能量的不必要耗费问题。所以,本文研究基于节点队列管理的无线传感器网络拥塞控制方法。首先,本文对无线传感器网络和无线传感器网络拥塞控制进行了介绍,研究讨论了几种无线传感器网络拥塞控制方法,详细分析了PI(Proportional Integral)算法,并对PI算法和目前无线传感器网络中使用的Droptail算法进行了仿真对比实验。通过分析总结出将PI控制思想应用于无线传感器网络的各个无线节点的队列管理中的优点和不足。其次,为了解决PI算法参数固定的缺陷,本文提出了基于无线传感器网络的标准粒子群优化神经元PI参数的拥塞控制方法(Particle Swarm-Single Neuron-PI,PNPI)。PNPI算法首先利用神经元的自学习、自组织能力,通过对PI控制器的比例、积分权值参数的在线调整,优化其选择。然后利用标准粒子群算法对神经元PI(NPI)算法中的神经元学习速率进行在线寻优。通过对神经元学习速率的实时矫正来在线调整单神经元的权值,防止神经元算法局部优化问题的产生。最后使用PNPI算法得到的丢弃概率p在队列缓冲区溢出之前主动丢包,避免拥塞发生。通过仿真实验分析,PNPI算法在丢包率、吞吐量和时延等性能指标上得到了改善。之后,考虑到PI控制器没有微分调节环节,将PID控制技术应用到无线传感器网络节点缓存队列中,目的是加快算法的调节时间,有效控制无线传感器网络节点缓存队列长度的稳定,提高网络性能。本文提出了基于无线传感器网络的粒子群优化神经元PID参数的拥塞控制方法(Particle Swarm-Single Neuron-PID,PNPID)。首先,将PID控制思想应用于无线传感器网络的各个无线节点的队列管理中;再利用神经元控制技术对PID控制器比例、积分、微分参数在线调整;之后利用标准粒子群算法对神经元PID(NPID)算法中的比例、积分和微分参数的初始值和神经元学习速率进行在线寻优。通过TCL语言和C++程序语言设计出改进的PID算法,将改进的PID算法加载到NS2中,结合不同的仿真环境对改进算法进行了仿真实验。仿真结果表明PNPID算法能够很好地稳定队列长度在期望值附近,同时吞吐量和丢包率等网络性能指标也得到了很大的改善,缓解了网络拥塞,提高了网络QoS;最后对本文提出的PNPI和PNPID算法进行了比较研究,研究发现,PNPID算法的丢包率和吞吐量性能优于PNPI算法。最后,指出了本文改进的PNPID算法存在的不足,并展望了本文研究的下一步工作计划。