无线传感器网络(Wireless Sensor Networks,WSNs)是由多个能量有限的传感器节点组成的网络,在医疗救助、军事、工业等领域得到了广泛应用。传感器节点的能量有限、通信过程中能耗较大成为影响无线传感器网络性能的核心问题,因此如何降低节点能耗、延长网络寿命成为目前研究的重点。本文重点研究了无线传感器网络中网络拓扑结构优化、节点通信数据耗能优化、网络节点目标定位与数据传输优化等方面,在此基础上针对性的对如下四个方面进行研究:基于无标度理论的WSNs拓扑控制研究、利用压缩感知理论的压缩特性减少系统通信能耗、基于萤火虫算法的WSNs节点部署研究以及基于混合蛙跳算法的WSNs数据传输方法研究,主要创新点及研究内容如下:(1)利用复杂网络理论提出了一种能量有效的无线传感器网络无标度拓扑模型,在拓扑演化过程中充分考虑节点剩余能量和节点度等因素,使所得拓扑有效的均衡了网络能耗。同时研究了无标度网络在能量异构WSNs中的应用,通过对节点生命期建模,得出节点生命期受节点剩余能量和通信距离的影响,进而将两端节点生命期作为构建拓扑时边权重的影响因子,通过边权重控制节点权重,最终得出了一种能耗均衡的无线传感器网络加权无标度拓扑模型。(2)以无线传感器网络在振动信号检测领域的实际应用为例,将压缩感知理论应用于数据压缩过程以降低通信能耗,延长网络节点的生命周期。并根据现有压缩感知数据重构算法存在的重构精度受稀疏度影响较大的缺点,在分析了压缩感知数据重构原理后,提出了将原始信号根据非零元素个数进行分帧处理以减少算法解空间的数量,并将量子理论中的编码方式应用于粒子群优化算法,提出了基于量子粒子群优化算法的压缩感知数据重构方法。(3)对改进萤火虫算法性能及其在WSNs网络覆盖优化中的应用问题进行了研究,提出了基于萤火虫优化的网络覆盖算法,建立了以网络均匀度及网络覆盖率为准则的数学模型,推导了节点冗余度与网络覆盖率之间的关系,给出了节点休眠策略。同时,对压缩感知理论在WSNs多目标定位中的应用进行了研究,提出一种基于离散萤火虫算法的压缩感知重构方法,并将新的压缩感知重构算法应用于WSNs节点目标定位,建立了WSNs系统模型,构造了合理的测量矩阵和稀疏矩阵,最终实现了WSNs多目标定位。(4)提出了一种能量均衡的可移动Sink汇聚节点非均匀分簇路由协议,该协议采用改进的混合蛙跳算法,将剩余能量大、通信能力强的节点选为簇头并划分不同大小的簇,在簇头之间引入竞争机制,使分簇拓扑更加合理。同时,针对离散优化问题的特点,提出了改进的离散混合蛙跳算法。该算法定义了具有普遍意义的青蛙编码方式,设计了“编码位调换”更新机制,然后提出了自适应权重因子和双模子族群策略。在此基础上,将该算法应用于压缩感知重构算法中,从而实现了稀疏度未知情况下的信号重构。