无线传感器网络(Wireless Sensor Networks, WSNs)集成了传感器、微机电、现代计算和无线通信网络等技术,由于其巨大的应用前景成为了学术界和工业界广泛关注的焦点。无线传感器网络的根本任务是快速准确获取物理世界中有价值的信息。但无线传感器网络面临节点计算能力、存储能力、通信能力有限,特别是电源能量十分有限的问题。本文就无线传感器网络的几个关键技术进行研究,主要包括拥塞控制、路由协议、调度等问题。研究的主要目的是为了优化网络结构、节省网络能量、提高网络中节点能量负载均衡性、延长网络生命期以及提高网络的安全性和保证网络的可靠性。本文针对无线传感器网络,打破传统层与层之间原则的限制,以跨层设计的理念为主线,讨论了拥塞、路由、调度和能量消耗问题,提出若干优化算法,主要研究成果和创新点如下：(1)根据控制理论中的滑模变结构和数据驱动方法,针对无线传感器网络中的拥塞问题,分别提出几种跨层拥塞算法。在无线传感器网络中节点级拥塞和链路级拥塞同时发生的情况下,引入滑模变结构机制,提出相应的拥塞控制算法。链路级拥塞采取节点输出流量最小的数据包优先传输的原则；节点级拥塞利用主动队列管理方法实现拥塞控制。所设计的控制器使整个网络中的节点根据局部的拥塞状态调整数据发送速率,同时自适应的分配MAC信道,利用Lyapunov函数证明了算法的有效性。针对无线传感器网络线性模型难以建立的问题,引入数据驱动理论。首先对WSNs基于I/O的非线性模型进行线性化处理。然后针对线性化模型,研究WSNs跨层拥塞控制算法：节点根据局部的拥塞状态调整数据发送速率,从而缓解节点级拥塞；如果多个节点传送的数据包同时占用一个信道,采取节点输出流量小的数据包优先占用该信道,其他节点的数据包避让选择其他信道的原则,避免了链路级拥塞。所设计的控制器实现了MAC层和传输层同时进行拥塞控制的目的,有效地缓解拥塞的发生,保证了较高的吞吐量和较低的网络延时,提高了整个网络的服务质量。(2)引入压缩感知技术,就无线传感器网络设计一种跨层拥塞控制算法。主要研究节点级拥塞和链路级拥塞同时发生时的无线传感器网络跨层拥塞控制问题。对进入瓶颈节点的稀疏信号进行压缩,降低瓶颈节点处传输量；在即将结束瓶颈传输的节点处利用凸优化方法进行信号的重构,恢复原始信号。利用Lyapunov函数验证了算法的有效性。该控制算法实现传输层和MAC层同时进行拥塞控制的目的,并且能够有效缓解网络拥塞的同时大大地节省能耗,保证了较高的吞吐量和较低的丢包。(3)基于压缩感知理论,针对无线传感器网络拥塞问题提出一种跨层优化设计算法。设计目的是通过优化模型实现对信号输入、路由选择和能量分配的跨层优化设计。Lagrange函数分解成三部分：拥塞控制、路由算法和调度算法。为实现全局稳定,这些函数通过拥塞率相互影响并进行相应的调整。基于压缩感知技术的拥塞控制能够将网络的传输信号控制到最优。路由选择遵循公平资源分配原则,在不会引起更严重的拥塞的情况下,尽可能分配给信道更多的资源,这样可以避免为了解决拥塞而保守的降低资源分配,造成资源利用率低的后果。该算法在不影响网络传输质量的前提下,极大地降低网络拥塞的发生,节省网络的传输能耗,实现网络的稳定,同时也证实了无线传感器网络优化设计中考虑拥塞的必要性。(4)针对现有的无线传感器网络中数据压缩快速性和公平信道分配的问题,提出了一种基于压缩感知技术的快速跨层优化算法。利用拥塞率从两个方面探讨能量受限的无线传感器网络拥塞问题：最小的传输量和最大的信息传输。为实现上述目标,寻求解决问题的折中方法,提出三个协议：第一,基于压缩感知设计最小的控制输入信号,最小的信号有助于降低传输数据量,从而缓解拥塞。第二,在不会引起更严重的拥塞的情况下,尽可能分配给信道更多的资源,这样可以避免为了解决拥塞而保守的降低资源分配,造成资源利用率低的后果。信道选择协议遵循公平分配资源的原则。上述协议在网络层、传输层和MAC层通过拥塞率相互影响。并且在数据传输前,采用随机结构矩阵方法构造感知矩阵,对传输信号进行快速压缩,极大地减少了数据通信量的同时,压缩数据的时间也缩短。在数据到达Sink节点后进行信号重构,采用的Homotopy方法降低迭代次数,从而缩短重构的时间。该算法具有较低的丢包率、较高的链路利用率、良好的节能性并加快拥塞缓解的速度,能够很好地抑制无线传感器网络中的拥塞现象。(5)针对无线传感器网络能量受限的问题,基于压缩感知思想,提出一种跨层优化算法。首先给出基于拥塞率的误码控制策略；然后基于压缩感知技术设计一个控制输入和链路容量的优化方法,优化问题的解就是控制输入和链路容量的最优解。最后将功率控制、拥塞控制、信道选择和链路分配的联合问题形式化为一个能量最小问题,优化问题的解就是功率控制和信道分配的最优解；以上优化问题通过拥塞率相互影响。最后,利用Lagrange方法,优化上述模型,通过调整功率、传输速率、信道选择、信道容量函数,实现最大传输速率、最小能量消耗的目标。最后对全文作出总结,并提出了下一步研究的方向。