虽然无线传感器网络并不是新技术,但是随着物联网的推广与普及,作为泛在网、物联网感知层关键技术的传感器网络在网络规模与应用领域方面都呈现出爆炸式增长的趋势,网络的部署也从单一的工业环境向农、林、环保、医疗和交通等相差迥异的领域发展,这使得无线传感器网络的规模与所传输数据类型都有了很大的变化,网络承受了由于资源配置不均衡和传输数据量激增的压力,特别是为了满足那些对实时性有较高要求的需求,无线传感器网络的数据处理能力与传输能力受到了前所未有的挑战。由于无线传感器网络被认为是感知数据的网络,传感器网络的功能主要集中在数据的感知获取与传输上,因此无线传感器网络所面临的问题可以归结为两类：一类是大规模组网引起的网络结构合理性问题；另一类是由节点感知数据类型和数据量激增引起的数据传输效率的问题。对网络结构组成和数据传输的优化已成为无线传感器网络的研究重点,目前对造成大规模传感器网络结构不均衡和数据传输效率低下的困扰正在逐步研究中。网络规模的增加,本质是网络复杂度的增加,复杂度的增加不仅表现在拓扑结构上,也表现在网络数据上。当节点增加时,相邻节点间的链路连接变得错综复杂,任意节点的加入与撤出都会对局部网络的拓扑产生影响,并且节点随着能量的减少又要求以最经济的方式参与数据传输,这体现出网络结构具有的复杂度；智能传感器节点的加入要求网络具备同时传输多种不同类型数据的能力,这些数据的结构不同,传输要求不同,数据规模不同,从单一的数据到多种不同数据的同时传输使数据传输的复杂度增加。因此,从传感器网络结构角度和传感器网络传输多种异构数据的角度研究新的量化方法,进而研究网络复杂度描述及优化是有重要理论意义及实际意义的。分形维数作为描述空间不规则程度和填充程度的度量,已被用于对互联网等复杂网络的特性分析,本文创造性的运用分形维数对无线传感器网络的复杂度进行量化分形,提出了网络结构维数和数据流维数的计算模型,分析影响维数的参数及维数与网络性能之间的关系。另外,在对维数分析的基础上,提出了新的网络控制算法,该算法可优化网络结构与数据传输,优化的结果表现为节点能耗的降低与网络生命周期的延长。本文为无线传感器网络研究提供了新的思路与方法。论文的主要创新点如下：1)验证无线传感器网络结构的分形特征,提出了基于简单分形的无线传感器网络传输概率分形模型(Probability Fractal Model,PFM模型),通过该模型可计算无线传感器网络的结构维数,为网络结构调整提供依据。该创新点首先论证了无线传感器网络结构具有的分形特征,验证无线传感器网络的分形自相似性,提出使用分形维数对无线传感器网络研究的合理性。在无线传感器网络分形特征的基础上,提出了基于简单分形的无线传感器网络传输概率分形模型PFM。该模型用马尔科夫链对节点在传输过程中的传输成功概率进行计算,在准确得到网络成功传输链路在所有传输路径中的填充程度后,进一步计算得到网络有效传输路径的分形维数。对无线传感器网络结构的分形维数计算突破了分形理论最初只用于曲线、图像或三维空间物体复杂性描述的局限,创造性的将分形理论用于无线传感器网络研究。无线传感器网络维数的计算为复杂度的量化提供了方法,为网络优化提供了判定依据,通过对节点和网络参数的改变能够调节网络结构复杂度,达到对网络结构优化的目的。2)验证无线传感器网络数据流多重分形特征,提出时间间隔序列累加数据流模型(Time Interval Sequence Accumulative Flow,TAF模型),通过该模型的计算可获得多种不同类型数据流在网络中传输的复杂度,为流量预测和路径选择提供依据。该创新点对无线传感器网络数据流具有的自相似特征进行了论证,验证了将多重分形用于无线传感器网络数据流研究的合理性。根据传感器网络数据流的混合累加特点,提出时间间隔序列累加数据流模型TAF,该模型可对网内多种类型数据流进行混合累加,对累加后的数据流进行分形维数的计算,并确定混合数据流的多重分形谱函数。对无线传感器网络数据流的维数计算运用了针对小时间尺度的多重分形谱的方法,既切合了数据流的短程相关性,又符合多种类型数据共存的特点。对多种类型实时数据流的分形计算,能较好的预测网内数据流的波动,有助于预判关键节点和路径的流量冲击,便于进行前期预处理,达到平衡数据传输,优化传输路径的目的。3)以无线传感器网络的能耗为优化目标,本文提出了一种基于分形的低能耗无线传感器网络控制算法(Low-energy Consumption Clustering algorithm, LCC算法),该算法可有效降低网络节点能耗,延长网络生命周期。基于分形的低能耗无线传感器网络控制算法在每一轮实际运行过程中都包括了网络结构优化与数据传输优化两个部分,这两部优化分别在两个不同的时间周期内进行。网络结构优化在簇建立的一轮周期内进行,当结构需要进行优化时,簇就要重新进行构建,根据优化算法产生更优的簇结构；数据传输优化在簇的一轮内多次进行,该算法依据对传输数据维数的计算,为数据选择最优传输路径。LCC算法分别考虑了具有长时间相关性的网络结构与具有短时间相关性的数据流特性,保证了网络在不同阶段都具有优于其他控制算法的均衡结构及传输效果。文章对LCC算法与经典算法LEACH及LEACH算法的改进算法LEACH-C算法进行了仿真比对,仿真的结果表明LCC算法在同样的运行条件和时间内可以保证更多的节点运行,证明该算法达到了降低网络能耗的优化目的。