随着图像/视频传感器及高光谱相机的发展,环境数据信息逐渐呈现多样化和复杂化,能够更加全面精确采集和高效传输数据信息的有向传感器网络（Directional Sensor Networks,DSNs）应运而生。对于环境恶劣、人们无法前往的区域,通常采用大规模随机抛洒的方式部署有向传感器节点构成DSNs,但这往往会产生大量空洞和重叠覆盖区域,无法对监测区域数据进行准确全面的分析。此外,由于节点能量有限且电池更换困难等问题,当大量节点能量耗尽时,网络将会出现断开的情况,甚至瘫痪。因此,为有效控制能耗,节点一经部署便位置固定。目前,现有的覆盖控制算法主要进行覆盖增强操作,未考虑冗余节点的休眠问题。因此,本文围绕二维和三维监测区域的DSNs随机部署造成的覆盖率低下、大量冗余节点同时工作造成的高能耗展开研究,提出了两种基于虚拟势场的覆盖控制算法来调整节点的感知方向,以实现网络的高效覆盖,本文的主要工作如下:（1）针对引力搜索算法应用在覆盖问题中存在的易陷入局部最优及收敛速度慢等缺陷,提出了改进衰减函数和网格点虚拟力策略等,实现网络覆盖增强。（2）针对降低网络能耗问题,构建了基于安全集的DSNs节点休眠策略,并与覆盖增强策略相结合,提出了一种基于改进引力搜索的DSNs覆盖控制算法（Coverage Control Algorithm of DSNs Based on Improved Gravitational Search,IGSCCA）,在增强覆盖效果的同时降低了网络冗余率和能耗。（3）面向三维监测区域的覆盖问题,结合实际场景构建监测区域模型,引入障碍物、热点区域等目标,提出了复杂场景下的三维DSNs高效覆盖控制算法（Efficient Coverage Control Algorithm for 3D DSNs in Complex Scenes,ECCACS）。基于节点感知特征,采用行军蚁优化器进行仰俯角优化,实现感知面积最大化。针对偏向角,通过构建障碍物、热点区域等相应虚拟力进行偏向角寻优,最大化实现无盲区覆盖,从而提高网络的加权有效覆盖率。在500 m×500 m大小的二维监测区域中,与基于虚拟势场、基于Voronoi以及虚拟力导向粒子群覆盖增强算法相比,IGSCCA覆盖率分别提高了28.35%、21.20%和13.90%。在相同大小的三维监测区域,ECCACS算法能够较大幅度提升网络有效覆盖率和感知面积,与基于虚拟力、基于差分进化和基于差分进化虚拟力结合的覆盖增强算法相比,ECCACS的加权有效覆盖率分别提高了8.51%、10.26%和4.69%,在感知面积提升率、能量利用率和最少节点数方面同样拥有显著的优势。