无线传感器网络是一种以数据为中心的分布式自组织网络,被广泛地应用于各类环境的监测,例如火山、地震等场景,通过在相应区域部署传感器节点监测采集相关的数据并加以保存,后期汇聚节点收集存储的数据并做出相应的分析与决策。然而,在某些极端场景下,网络中的感知节点会变得十分脆弱,恶劣的生存环境以及受限的能源都会导致节点出现突发性失效的情况,节点上存储的数据会因此受到严重的影响。因此,考虑如何设计出高效并且可靠的数据存储和收集策略是一件十分有意义的工作。目前,网络编码技术在无线传感器网络的研究和应用中备受关注。其中,喷泉码技术能够有效提高网络中数据的持久性,但是传统的基于喷泉码的分布式编码策略解码效率并不高,其解码曲线而言十分陡峭,我们将这种现象称作“陡壁效应”,即网络收集初期高度编码包积压,在无法收集到足够的数据包时,只能够解出少量的源数据。其次,在大规模无线传感器网络中,节点数量繁多,为了保证网络整体的安全可靠,各节点需要进行高复杂度的编码和数据转发工作,但是网络中的这些节点本身就具有廉价易损的特点,再加上自身能耗以及外界环境等不确定因素的影响,很容易出现节点失效的情况。在某些灾难场景下,此类情况可能会愈发严重,极端情况下甚至会出现大范围区域节点失效的情形,这将严重影响数据在节点上的可靠性存储。针对上述无线传感器网络中数据编码复杂度高、节点转发数据负担大、收集效率低下等问题,本文结合喷泉码的特性,提出了边缘分层模型的层次编码框架以及优化的度分布函数等方法,具体包括如下工作:(1)本文利用马尔科夫链模型与随机游走的相似性特点,提出了单向随机游走和二次转发单向随机游走两种不同的编码方案,同时为了降低数据包转发的能耗,利用多播传递的特性进一步优化数据编码方案。这两种编码方案利用稳态分布的特性,控制编码数据包在网络中的随机游走步长,保证编码数据包能够均匀地分散在网络中以完成网络的整体编码工作。(2)本文改善了传统的数据收集模型,提出了边缘分层模型的层次编码框架,该框架主要通过汇聚节点在网络周边发送激发信号,对网络中的各节点进行简单的层次划分的方式实现。收集阶段各节点按照预先划分好的层次序列将数据包传递至网络的边缘节点进行存储,汇聚节点仅需访问边缘节点即可收集数据,极大降低了数据的收集周期。进一步地,让节点在有序的层次传递基础上按照度从低到高的方式发送解码数据包,更进一步的提高了数据解码效率,有效克服了“陡壁效应”的问题。(3)针对大规模无线传感器网络的应用场景,倘若依旧使用传统的鲁棒孤子度分布函数进行数据编码会存在诸如编解码复杂度高,编码数据包数量庞大等问题。因此针对该问题,我们对鲁棒孤子度分布函数进行了优化,将二进制指数度分布与鲁棒孤子度分布函数进行结合,同时给二者分配一定的比例系数,以此来调整二者的比重,产生了一个新的度分布函数:指数鲁棒孤子度分布函数。通过仿真实验,优化的度分布函数不仅极大降低了网络整体的编码复杂度,并且相比而言只需更少的编码数据包就可完成数据编码工作,同时并不会对解码速率产生影响,极大地提高了网络的健壮性。