随着计算机通信和传感器技术的快速发展,无线传感器网络已逐渐成为当今国际学术研究及应用的前沿和热点。无线传感器网络具有非常广阔的应用前景,在多个领域都得到了广泛的关注,并已有大量的实质性应用。网络监测区域的覆盖和网络的连通状况是无线传感器网络中所要研究的关键问题,覆盖程度及连通状况直接决定了传感器网络能否正常的使用和工作,对网络所提供的服务质量、生存时间等关键因素也有着直接的影响。因此,对网络的覆盖效率和连通质量进行详细的研究具有非常重要的理论意义和实用价值。本文主要针对网络监测区域的能量高效覆盖盲区控制问题和传感器节点的自移动优化部署问题进行了较深入的研究,主要创新点如下：1、针对确定性网络,本文研究了确定性部署的网络最优部署与通信问题,提出了一张针对确定性网络的正六边形网格划分的节点部署方法,使得节点能够对监测区域实现无缝覆盖,而且可以保证所需的节点数最少。通过数学理论分析和仿真模拟实验将该方法与正方形网格划分方法进行比较,结果表明,本文提出的正六边形网格划分方法所需节点更少,而且数据传输过程中的总能耗更小。针对随机部署的网络,利用正六边形网格对网络监测区域进行划分,研究节点随机分布时的完全覆盖率问题,求出了区域所划分后网格内的节点数与网格被完全无缝覆盖间的概率关系,并通过泊松分布模型求出了网络所需的总节点数与检测区域面积的关系。所提的方法具有较好的理论特性,该划分对无缝网络的最优覆盖问题有着较高的理论意义和实用价值。2、研究了如何通过节点的自移动对网络进行再部署,从而减小网络的覆盖盲区提高网络的覆盖质量。通过分析泰森多边形Voronoi划分的特点和性质,给出了节点覆盖盲区的近似估计方法。在此基础上提出了两种基于节点自移动能力的网络再部署算法：适用于簇结构网络的DLBAH-MO算法和适用于分布式结构网络的DLBAH算法。对所提算法进行了仿真实验,实验结果表明,DLBAH-Mo算法和DLBAH算法都可以有效减小随机网络中的覆盖盲区,与VOR算法、VOR-MO算法相比,在网络覆盖比例和节点平均移动距离两方面都有较好的改善。3、针对有多个监测目标的传感器网络中监测目标的有效监控覆盖问题,本文根据网络节点和被监控目标之间的相互关系,提出了多目标协同监测(MOCMA)的方法解决多个节点对多个目标进行有效监测的问题。在MOCMA算法中,利用数据挖掘算法中的关联规则方法进行深度的挖掘,然后根据挖掘结果对节点的工作状态进行协同控制,较好地提高网络监测质量并节约节点的能量消耗。MOCMA算法中考虑了网络节点之间的协调,可对节点集进行相应的自适应最优调度,有效地改善了网络的生存时间和监测覆盖质量。通过仿真实验将MOCMA算法与改进PEAS算法进行了对比分析,实验结果表明,MOCMA算法在网络的生存时间、处于工作状态的节点个数、节点剩余能量和节点能量消耗的均匀性等4个方面都要优于改进的PEAS算法。本文得到国家自然科学基金项目(No.60672137,61171075),教育部博士点基金项目(No.20060497015),国家重点实验室开放式基金项目(No.SKLSDE-2009KF-2-02)和新世纪优秀人才支持计划(No.NECT-08-0806)的资助。