传感器网络系统通过在监控区域内布置大量的传感器节点实现对于环境的监控,其中,分布式检测与协作信号处理是其主要应用之一。不同的传感器节点通过采集环境数据,经处理后通过通信网络发送至融合中心进行融合决策。由于充分利用了传感器采集数据的冗余性,多传感器系统能够取得优于单一传感器系统的性能。然而,通常传感器网络节点通常仅配备能量有限的电池,而有限的能量供应成为了制约传感器网络系统总体性能的关键因素之一。随着新能源技术与微电子技术的发展,能量采集技术在传感器网络系统中得以应用。配备能量采集单元后,传感器节点能够从周围环境中获得能量来维持自身节点的工作。然而由于采集能量的随机性,如何优化调度采集的能量成为影响到能量采集传感器系统性能的主要问题之一。本文针对能量采集传感器网络系统中的分布式检测问题,详细分析了其信号检测数学模型,系统性能评价指标以及传感器节点的供能数学模型,提出了能量调度问题的优化分析方法,并分别设计了有限时间段与无限时间段的能量调度策略。在有限时间段的能量调度策略中,分别考虑了离线能量调度策略与在线能量调度策略。在离线调度策略中,采集能量达到过程被认为是已知的,此时的优化能量调度策略可以形成为优化问题并得到有效求解。在在线调度策略中,优化能量调度策略可以通过动态规划求解Bellman方程得到有效求解。同时,本文提出了适应于在线策略的次优化方法,能够在取得接近于优化在线策略性能的同时降低算法复杂性。在无限时间段的能量调度策略中,能量调度问题可以形成为Markov决策过程,通过值迭代的方法,优化能量调度策略可以求解。此外,应用于无限时间段的次优化能量调度策略同样被提出。此外,传感器网络分布式检测问题中的融合决策机制通常需要传感器节点的性能参数。然而,实际部署在监控区域内的低精度传感器节点参数通常难以准确获取或者容易受到环境的影响。针对该问题,本文提出了一种迭代的传感器参数的估计策略。在不确定传感器参数的情况下,通过使用优化融合规则,传感器网络节点的性能参数可以通过有效的迭代估计策略进行估计。同时考虑实际传感器网络系统的异构性,本文提出一种基于高精度指导传感器的自适应融合决策机制。通过采用高精度指导传感器,传感器网络系统能够在线对低性能传感器参数进行估计,并且通过融合决策机制得到融合后的最优判决结果。