无线传感器网络是一种特殊的无线通信网,因其节点数量巨大、成本低廉,可以快速部署,且不依赖于任何固定设施,能够实时、准确和全面地在多种场合下采集信息,从而改变人与自然的交互方式,被认为是21世纪最重要的技术之一。因为几乎所有节点都由电池供电,通常无法补充能源,所以节能是无线传感器网络设计中最重要的目标之一。而且从降低网络成本、节约资源和环境保护的角度来看,研究节能问题也具有重大的意义。本文在广泛调研的基础上,从MAC协议和跨层协议两方面,对无线传感器网络的节能协议进行了研究。并将人工智能理论应用于传感器网络的研究,提出了智能监测和覆盖算法。主要内容与创新点包括以下三个方面:1.提出了一种时分复用的MAC协议TDMA-WSN(Time Division MultipleAccess for Wireless Sensor Networks):首先,通过邻近节点间的广播,节点确定与其相冲突的节点集合。然后在时隙分配的过程中,为每个节点在时间帧中分配一个时隙,互相冲突的节点保证不会占用同一时隙。在分布式的传输数据过程中,因为节点只在自己的时隙内进行通信,所以避免了冲突。该协议不仅解决了隐藏节点问题,也避免了竞争、冲突和串音现象所带来的能耗,并证明了所提出的“冲突集合”是有效且最小的,使更多的节点可以同时无冲突地传输数据,提高了信道利用率。此外,分布式、自组织的信道访问模式,也减少了控制报文的开销。模拟实验表明,与现有的基于竞争和调度方式的MAC协议相比,TDMA-WSN协议能够有效地降低能耗,从而延长网络的生命期。2.提出了两个跨层协议CLWSN(Cross Layer Protocol for Wireless SensorNetworks)和TEPA(Energy-Efficient Tree-Structure Cross-Layer Protocol):这两个协议都是在MAC层和网络层之间交互信息,避免了传统协议追求节能而牺牲时延的缺点,提高了网络的综合性能。CLWSN协议融合了TDMA-WSN和树型路由协议。该协议对“冲突集合”的定义与TDMA-WSN不同,因为考虑了节点在路由树上的父子关系,从而减少了“冲突集合”的节点数量,提高了信道利用率。在分布式的时隙优化过程中,CLWSN协议进一步利用路由信息,重新为节点分配时隙,按顺序排列路径上的调度时间表,极大地降低了网络的传输延迟。TEPA协议也是在TDMA-WSN和树型路由协议间交互信息。与分布式的CLWSN协议不同,TEPA采用了收敛较快的微分进化算法,在基站集中式计算,为网络配置调度时间表。该算法将整个网络的调度时间表作为待进化的个体,在交叉和选择时参考了路由信息。其个体进化的目标方向是,尽量减少路由树上各路径间的冲突,加速单条路径上的数据传递,最小化网络的总延迟。TEPA协议首次折中考虑了在不同负载下网络的时延性能,计算出最优而非最短的MAC帧长度,从而提高了网络的吞吐量。模拟实验表明,CLWSN和TEPA协议在能耗与时延的综合性能方面有较明显的改善。3.提出了智能监测算法SOMSA(Self-Organizing Mapping MonitoringScheduling Algorithm)和智能覆盖算法SOMDA(Self-Organizing MappingDeployment Algorithm):本文将神经网络理论应用于无线传感器网络的节能研究,在SOMSA算法中,实现了传感器网络在动态变化环境中的智能监控。该算法使用自组织映射神经网络进行训练,节点不再孤立地感知信息,而是在簇内交换采集信息和探测模式,通过竞争选择最适应环境的节点,优胜者引领其它节点的进化方向,逐渐调整网络的探测模式,以适应所处的环境。训练结果表明,网络随着环境的不断变化,可以随时调整节点的采样频率,使得网络的探测模式与环境的变化规律一致,既提高了探测的精确度,又节省了感知单元的能耗。智能覆盖算法SOMDA,解决了传感器网络中对事件的自适应覆盖问题。首先,使用遗传算法将随机分布的网络组成二维网格,然后使用自组织映射算法对网络进行覆盖训练。在训练中,将发生的事件作为输入模式,将探测到事件的节点作为激活对象。被激活的节点修正自身位置,向事件的方向移动,随着时间的推移,网络逐渐趋于稳定。经过训练后,节点的分布精确地反映了事件的特征分布。模拟实验表明,SOMDA算法在不损失面积覆盖率的情况下,提高了探测事件的能力,均衡了节点的能耗。