针对无线传感器网络节点部署不均所导致的网络覆盖率较低问题, 以无线传感器网络覆盖率最大化为目标, 提出一种基于改进萤火虫算法(IFA)的网络覆盖优化方法。该方法运用佳点集方法初始化种群, 提高种群的多样性, 奠定全局搜索基础; 利用具有非线性指数递减的变形 Sigmoid函数作为惯性权重, 平衡算法的全局搜索和局部开发能力; 采用高斯扰动策略对个体位置扰动更新, 避免算法早熟。仿真结果表明, 该算法与人工鱼群算法(AFSA)、种子杂交粒子群算法 (HSPSO)和混沌萤火虫算法(CGSO)相比, 能有效提高网络覆盖率, 使节点部署分布更均匀。

簇路由是节省无线传感网络 (WSNs)能量的有效策略。簇头的选择是簇路由的关键。然而, 传统的簇路由是采用固定周期更新簇头, 并没有考虑到簇头的剩余能量。为此, 针对稳定簇头选择协议(SEP)进行改进, 提出基于多级能量阈值的簇头更新策略, 记为 I-SEP。I-SEP路由考虑三类节点, 这三类节点的初始能量不同。并针对三类节点的能量以及比例, 计算它们成为簇头的概率和阈值。同时, 每轮计算簇头的剩余能量, 只有簇头剩余能量小于预定的阈值, 才进行簇头更新, 否则原来的簇头仍作为簇头, 进而减少了更换簇头所带来的能耗。仿真结果表明, 相比于 SEP, 提出的 I-SEP路由有效地降低了能耗, 延长了网络寿命。

感测数据，再将数据传输至信宿是无线传感网络(WSNs)中节点的首要任务。传感节点由电池供电，它们的多数能量用于传输数据，越靠近信宿的节点，传输的数据量越大。因此，这些节点的能耗速度快，容易形成能量-空洞问题。而通过移动信宿收集数据能够缓解能量-空洞问题。为此，提出基于粒子群优化的信宿移动路径规划(PSO-RPS)算法。PSO-RPS算法结合数据传递时延和信息速率两项信息选择驻留点，并利用粒子群优化算法选择最优的驻留点，进而构建时延有效的信宿收集数据的路径。仿真结果表明，提出的PSO-RPS算法有效地控制路径长度，缩短了收集数据的时延。

时隙分配是时分多址(TDMA)接入的核心。TMDA将时间划分为若干个固定时隙，使2个干扰的节点在不同时隙内传输数据，进而降低接入碰撞率。为此，提出基于分布式TDMA的时隙分配算法。该算法以Drand算法为基础，对其进行改进。利用路由信息分配时隙，降低通信时延和传输的消息数。仿真结果表明，与Drand算法相比，提出的算法传输时延降低了约8%，传输的消息数约下降了24%。

针对具有有限感知范围的无线传感器网络中的动态目标跟踪问题，提出了一种将卡尔曼一致滤波和动态集群自组织相结合的协作式动态目标跟踪算法。首先，算法采用一个由群头挑选阶段和集群重新配置阶段构成的动态集群协议来限制参与目标状态估计过程中节点间的信息交换，然后用一个分布式加权估计预测算法即卡尔曼一致滤波来估计目标状态并预测其下一个位置，这样有助于唤醒最合适的节点来进行目标跟踪并最恰当地组织网络通信，而其他节点保持在睡眠状态。仿真结果表明，提出的算法相比于集中式和其他2种常用的分布式动态目标跟踪算法，不仅能够降低网络的平均能耗，而且能够明显提高跟踪过程中的误差估计质量。

节点的移动对移动无线传感网络(MWSNs)路由设计提出了挑战。为此，提出基于接触时间的能耗区路由(CECA)。CECA路由采用休眠-唤醒机制，降低了节点能耗。CECA路由利用源节点与信宿的位置信息构成圆角矩形区域，且只允许区域内的节点才能参与路由。通过节点移动信息，计算接触时间，并利用接触时间设置定时器，进而通过定时器竞争产生下一跳转发节点。仿真数据表明，CECA路由的通信连通时间及数据包传递率得到有效的增加和提高。

针对无线传感网络的节点故障问题，提出一种新的分布式故障节点检测算法(DFDA)。DFDA算法利用节点度信息估计节点对网络的重要性，并尽可能将节点度高的节点保存到网络中。通过比较节点间感测的数据，检测故障节点。为了增强检测的准确性，采用双重测定策略。仿真结果表明，相比于同类算法，DFDA算法提高了检测故障节点的精确度，并降低了虚警率。

收集数据是部署无线传感网络(WSNs)的根本目的。采用移动信宿策略可有效缓解 WSNs的能耗问题, 信宿的移动路径是该策略的关键。为此, 提出基于伪驻留点的数据收集 (VRDC)算法。VRDC算法先依据驻留点规划信宿路径, 再依据路径选择伪驻留点 (VRPs)。VRPs可通过一跳直接向移动信宿传输数据, 而其他的节点则将数据传输至最近的 VRPs, 进而减少传输跳数, 降低能耗。仿真结果表明, 提出的 VRDC算法能有效降低能耗, 并平衡节点间的能耗。

为了降低水下无线传感网 (UWSN)中数据收集的能耗和保证实时性，提出一种基于压缩感知的移动数据收集方案。以分布式能量均衡非均匀分簇(DEBUC)协议和压缩感知理论为基础，簇内节点依据设计的稀疏测量矩阵决定是否参与压缩采样，并将获得的测量值传输至簇头。然后，通过自主式水下潜器 (AUV)的移动来收集各个簇头上的数据到数据中心，该问题被建模为基于信息质量最大化的旅行商问题 (TSP)，并提出近似算法进行求解。仿真实验结果表明，相比于已有的水下移动数据收集算法，本文方案在保证数据收集可靠性的同时，缩短了数据收集延时，延长了网络寿命。

针对基于无线传感网络(WSN)的关键基础设施安全监测问题，提出一种基于数据融合阶段的自适应入侵检测算法。该算法以基于权重的簇化网络结构为基础，利用异常检测子系统和误用检测子系统分别检测已知攻击和未知攻击，然后通过跟踪2个子系统接收操作特征(ROC)和奖惩机制，自动调整转发至2个子系统的融合数据比例，即可实现在数据融合阶段对关键基础设施的自适应入侵检测。仿真分析表明：该算法的准确率和检测率高达99.6%和94.9%以上，与其他经典入侵检测系统相比，可分别至少提高0.5%和10.2%左右。