基于能量收集的认知无线传感器网络(EH-CRSN)是一种将认知无线电(CR)技术和能量收集(EH)技术引入到传统无线传感器网络(WSN)中的新型网络。CR技术缓解了WSN中频谱短缺的问题,但传感器节点必须消耗大量的能量来支持CR功能,如信道感知和频谱切换等。通过EH技术能为传感器节点补充能量,延长EH-CRSN的生命周期,但EH技术的引入使EH-CRSN得到发展的同时给能量管理带来了挑战。为了尽可能地延长网络生命周期,提高节点的能量效率,需要对节点的能量管理策略进行深入研究。本文首先基于EH-CRSN中传感器节点电池容量有限且会随时间衰减的特性,研究了在电池容量衰减下如何确定每个具有能量收集能力的传感器节点的采样率,以最大化节点生命周期内的网络效用。为了解决这一问题,通过建立数学模型,本文提出了一种自适应采样率控制算法(ASRC)。该算法在节点满足电池容量约束和链路容量约束的条件下,根据当前电池水平自适应调整采样率,有效地管理节点能量使用以优化网络性能,延长网络的生命周期。该算法考虑了电池的不完美性对节点性能的影响,更符合实际。仿真结果表明ASRC算法能在维持节点能量持续性的前提下最大化网络效用,提高网络的整体性能。其次,考虑到EH-CRSN中现有的信道选择算法缺乏动态学习的过程,提出了一种基于Q学习的信道选择算法。该算法在非理想频谱感知条件下,通过建立Q学习框架,把能量效率引入到奖励函数中,使节点与信道环境交互和学习,进而选择长期累积平均奖励最大的信道优先感知并尝试接入。而且从传感器认知功能能耗大的角度,提出了利用信道忙碌时的射频信号收集能量,以补充节点能量的方案,延长节点寿命。仿真结果表明,相对于现有的信道选择算法,该算法能有效地提高频谱感知的能量效率,并适应动态的无线电环境。