无线视觉传感器网络(WVSN,Wireless Visual Sensor Network)是传统无线传感器网络的延伸,除了传统测量温度、湿度等标量的传感器节点之外,还广泛配置具有图像拍摄功能的视觉传感器节点。因此,WVSN将监测信息扩展到视觉层面,丰富了监测信息的内容。协作通信技术作为多天线技术的扩展,成为近年来通信领域的研究热点。将协作通信技术引入到无线视觉传感器网络中,形成虚拟的多天线环境,能够带来分集增益,扩大覆盖范围,从而提高网络性能。同时,本文重点研究了该协作WVSN中的功率分配技术,提出了一种基于深度神经网络(Deep Learning Network,DNN)的功率分配算法,该算法与传统算法相比,更切合与视觉传感器网络。具体为:(1)提出了一种多节点协作的异构无线视觉传感器网络架构,通过普通节点与相机节点之间的三级协作,将相机节点的图像采集和传输能耗压力分解给普通节点,降低网络节点能耗,从而延长整无线视觉传感器网络的生命周期。(2)在多节点协作的异构无线视觉传感器网络架构的基础上重点研究了图像的协作传输问题,并且给出了直接传输、放大转发协作通信、解码转发协作通信三种通信模式在两种功率分配方案下的峰值信噪比、均方误差的性能对比。(3)提出了一种基于深度神经网络的最优功率分配算法PWDNN,该算法将源、中继、目的端三个不同信道的衰落因子作为DNN的输入训练数据,以最大化该协作WVSN的遍历容量为目标。仿真结果表明,训练好的深度神经网络能够根据不同的信道状态,快速实时的实现源端与中继端的功率分配,在不同的中继位置下都能够实现比等功率分配更好的遍历容量性能,更加适合用于WVSN。