在无线传感网的研究领域中,覆盖问题可分为三类:目标覆盖,区域覆盖以及栅栏覆盖。在已有的覆盖问题研究中,大都使用0/1覆盖模型,认为只要目标处于传感器的感知范围内,就可以被传感器覆盖到,处于感知范围外时,就不会被传感器监测到。近年来,研究者们提出了一种更切合实际的概率感知模型,它可以更准确地刻画传感器对目标的监测效果和覆盖质量。概率感知模型中,传感器对目标的监测概率随二者之间距离的增加而递减。由于概率感知模型监测的不确定性,一个目标可能需要多个传感器联合监测才能达到覆盖要求,而在0/1覆盖模型中,一个目标只要有一个传感器监测就可达到覆盖要求。在这种情况下,用于0/1模型覆盖问题中一些算法便不再适用于概率感知模型,我们需要设计出新的理论体系和算法思路来解决该问题。本文首先研究了全向概率传感器感知半径可调下最大传感网寿命问题,将概率感知模型和可调感知半径结合起来,首次提出全向概率传感器感知半径可调下多网络覆盖集问题(PARMCS),旨在调度一组能量有限的传感器,调节其感知半径,生成多个网络覆盖集,通过轮训的方式激活这些网络覆盖集来覆盖所有目标,以期最大传感网寿命。我们证明了该问题是一个NP-complete问题,难以在多项式时间内求得其最优解,所以设计了两种启发式算法来求解该问题的次优解,并通过模拟实验对两种算法的性能进行了评估。为了减少制作成本和节约能量,研究者们又提出了一种定向传感器,即传感器感知方向可以调节,不是360°全方位监测,而是只监测其中一块扇形区域。基于此,我们又研究了定向概率传感器感知半径固定下最大传感网寿命问题,将概率感知模型和定向传感器结合起来,首次提出了定向概率传感器下感知半径固定下多网络覆盖集问题(DPMCS),旨在调度一组能量有限的传感器,调节其感知角度,生成多个网络覆盖集,通过轮训的方式激活这些覆盖集,以期最大传感网寿命。我们证明了该问题也是一个NP-complete问题,所以设计了一种启发式算法来解决该问题,并通过仿真实验对算法的性能进行了评估。