随机部署的无线传感器网络广泛应用于智慧农业、现代军事、生态环境等领域。为了解决应用过程中因节点稀疏造成的定位困难问题、异构无线传感器网络的部分覆盖问题、数据采集时能耗效率问题、稠密节点的数据冗余问题和多对一通信时传输时延问题,本文从理论和实验等方面进行了深入研究,主要工作及创新成果如下:针对无线传感器网络中节点稀疏而造成的定位困难问题,提出了被动事件辅助的节点定位方法（PEAATAL）。被动事件是指感知区域内传感器检测到的某些信号,本研究证明了被动事件能增加网络的连通性,可以使得部分不可定位节点可定位。对于不能定位的节点进一步提出了功率放大的方法,即通过放大部分不可定位节点的功率,来满足可定位条件。模拟实验验证了方法的可行性,通过与本地化辅助定位算法（LAL）进行比较,表明利用被动事件节省了调整网络所需付出的成本,提高了网络的可定位性。针对异构无线传感器网络的部分覆盖问题,提出一种基于贪婪启发式的部分覆盖算法（GHPC）。在给定的覆盖要求条件下,利用贪婪启发式算法部署传感节点,选择具有最大覆盖贡献的节点加入覆盖集,实现以最少的节点满足覆盖要求。仿真实验结果表明,相比确定性与概率覆盖能量有效算法（PCP）和节能综合覆盖与连接配置算法（CCP）,提出的GHPC算法能够在满足覆盖要求的同时,降低活动节点数量。针对多应用数据采集时如何有效降低能耗问题,提出了面向数据共享的协同规划采样方法。首先给出了有关任务协同的定义,证明了协同采样的有关定理;然后给出一种多任务协同采样的贪心算法,用于优化采样时间和间隔;最后实验模拟了四种不同模式的采样任务,分别将已有的贪心算法、无优化算法和本研究算法进行了比较,得出本研究方法的采样时间明显优于另外两种方法。进一步将本研究的近似方法和最优解在不同固定采样长度的任务集进行比较,显示出本研究方法接近最优解。针对无线传感器网络通常会产生大量冗余数据,造成存储空间浪费,增加网络能耗和数据传输冲突概率的问题,提出了基于层次拓扑的无线传感网络的数据融合算法（LTDA）。该算法首先建立了逻辑拓扑结构,按照节点的职责把监测区域划分为不同的子区域,传输节点在数据传输前首先对感知数据进行信任值评估,当信任值高于判断阈值时,数据才被允许传输。通过利用距离、能量和链路质量等信息计算上行节点的资源价值,选择下一跳节点为资源价值最高的节点。仿真实验结果证明,LTDA算法优于可靠数据的融合算法（RDAA）及非结构的能耗均衡的数据融合算法（SEDA）,其在平均能耗、数据丢包率、端到端传输时延等方面都有更好的性能。针对无线传感器网络的多对一通信,为了减少传输时延,提出了一种路由和MAC的跨层设计与优化的数据传输算法（J-R-MAC）。J-R-MAC算法从传感节点和信宿的周期结构入手,使得在同一个周期内,节点有多次机会接入媒介。同时,将网络节点划分不同的集,并计算每个节点的级度,再依据节点的级度信息择优选择下一跳转发节点,进而降低时延。仿真数据表明,与交叉层MAC算法（CL-MAC）相比,提出的J-R-MAC算法有效地降低了端到端传输时延,并提高了数据包传递率。论文针对无线传感网络的节点定位、网络覆盖、数据采集、数据融合和传输等关键技术进行了研究,提出了相应的算法和模型,仿真实验验证了模型算法的有效性,可广泛应用于智慧农业、林业和国防等行业领域。