提出一种基于传感器网络的分布式状态估计算法, 用于具有随机传输时延的网络化系统。为了节省通信带宽, 引入了自适应概率量化机制。考虑随机传输时延的存在, 利用缓存器中的数据设计了改进的无迹卡尔曼滤波(UKF)算法进行时延补偿。在局部估计完成后, 利用快速协方差交叉方法进行融合估计, 以获取更加精确的状态估计。此外, 还分析了融合估计误差的有界性。最后通过数值模拟算例验证了所提算法的有效性。

基于当前无线传感器网络二维覆盖的研究成果，针对实际的立体空间应用性较弱的困难，给出感知节点覆盖三维复杂场景（CTDCT）的解决方案。强调以立体感知模型刻画三维复杂场景下节点感知质量，结合视距与非视距场景下感知盲区的判定，解决遮蔽覆盖的误判问题；引入点集到场景可行域的映射，初筛节点分布与减小冗余的双增益网络；利用全迭代周期内非线性调整节点位置，前期提升网络多样性，后期优化局部拓扑结构；设计节点移动步长，使其受冗余节点的激励，提升网络与现有环境间的耦合程度。仿真结果表明，CTDCT算法在视距与非视距场景联合作用下，通过减小覆盖误判概率，优化调整节点的坐标位置，可有效降低节点感知重叠区和盲区，最终实现三维复杂场景下区域覆盖质量的增强。

The deformation and reconstruction of the composite propeller under the static load in the laboratory is studied so as to provide the basic research for the deformation and reconstruction of the underwater deformed propeller. The fiber Bragg grating (FBG) sensor is proposed to be used for strain monitoring and deformation reconstruction of the carbon fiber reinforced polymer (CFRP) propeller, and a reconstruction algorithm of structural curvature deformation of the CFRP propeller based on strain information is presented. The reconstruction algorithm is verified by using variable-thickness CFRP laminates in the finite element software. The results show that the relative error of the reconstruction algorithm is within 8%. Then, an experimental system of strain monitoring and deformation reconstruction for the CFRP propeller based on the FBG sensor network is built. The propeller blade is loaded in the form of the cantilever beam, and the blade deformation is reconstructed by the strain measured by the FBG sensor network. Compared with the blade deformation measured by three coordinate scanners, the reconstruction relative error is within 15%.

为确保无线传感器网络(WSN)覆盖和连通性最大化以及能量消耗最小化的有效监测，提出一种基于多目标生物习性激励(MOBHI)的传感器节点部署算法。首先，将传感器节点的区域(领地)根据诸如最大覆盖、最大连通性和最小能耗等多个目标，基于领地捕食者气味标记行为进行标记，并模仿气味匹配识别其监测的位置；其次，对多个目标的优化问题应用非受控Pareto 最优，将其分解为多个单目标优化子问题并同时对它们进行优化，得到所需目标的解。仿真实验结果表明，本文提出算法在网络覆盖、连通性和能耗等性能指标方面都优于其他传感器节点部署的多目标和单目标优化算法。

针对传统无线传感器网络节点能量供应有限和网络寿命短的瓶颈问题，依据无线能量传输技术领域的最新成果，提出了一种基于改进Q -Learning 的无线可充电传感器网络的充电路径规划算法。基站根据网络内各节点能耗信息进行充电任务调度，之后对路径规划问题进行数学建模和目标约束条件设置，将移动充电车抽象为一个智能体(Agent)，确定其状态集和动作集，合理改进ε -greedy 策略进行动作选择，并选择相关性能参数设计奖赏函数，最后通过迭代学习不断探索状态空间环境，自适应得到最优充电路径。仿真结果证明：该充电路径规划算法能够快速收敛，且与同类型经典算法相比，改进的Q -Learning 充电算法在网络寿命、节点平均充电次数和能量利用率等方面具有一定优势。

针对无线传感器网络中距离向量跳段（DV-Hop）算法定位精度不高的问题，提出了一种基于双通信半径及改进灰狼算法的DV-Hop定位算法。首先，用双通信半径广播信标节点的位置，得到其与未知节点之间的跳数，从而得到信标节点与未知节点之间的距离。然后，用改进的灰狼算法估算未知节点的位置。仿真结果表明，相比传统的DV-Hop算法及同类型算法，改进DV-Hop算法的定位精度更高、稳定性更好。

为了给无线传感器网络节点提供稳定、高效且长期的能量供给，该文提出了一种基于增强型同步电荷提取电路的压电能量收集接口电路(ESECE)。利用Multisim电路仿真软件对增强型同步电荷提取电路进行仿真，并与标准压电能量收集接口电路(SHE)和同步电荷提取电路(SECE)进行对比分析。实验结果表明，在相同激励条件下，ESECE比SECE的输出功率提高了近30%，最大输出功率达到190 μW，同时还保证了输出功率与负载电阻的无关性。

针对混合视距/非视距环境中的移动节点定位，提出一种基于到达时间测量值和误差抑制的定位方案。首先，配备有超宽带无线电的节点随机移动，以收集到达时间测量数据，并执行最短路径距离选择算法得到包括一跳节点距离在内的非视距误差减小后的多跳节点距离；采用多维标度确定节点的初始位置；采用迭代三边测量法和误差积累管理相结合来获得定位节点位置。仿真实验结果表明，提出的定位方案的定位精确度优于其他几种常用方案。

目前自供电无线压电传感器网络已被广泛应用在智能家居及环境监测等领域。组成网络的每个压电传感器节点需要完成不同功耗的任务, 如数据采集、存储等低功耗任务和数据无线传输的高功耗任务。针对低功耗和高功耗任务, 该文设计了基于新型欠压闭锁电路的双模组能量收集电路, 电路具有蓄能周期短和容量大的特点, 可分别用于低功耗任务的低功耗级蓄能模组和高功耗任务的高功耗级蓄能模组, 解决了传统单模组能量收集电路因压电传感器节点工作时能量不足或充电过于频繁导致传感器网络无法正常工作的问题。实验结果表明, 采用新型欠压闭锁电路的能量收集电路最短蓄能周期仅10 min, 能量收集电路最长可驱动压电传感器节点在高功耗模式下工作52 s, 是解决自供电无线压电传感器网络能量供给问题的有效办法。

基于光纤传感的物联网(IoT)具有测量感知与数据传输的双重特性，为了实现网络内任意节点的快速定位，文章研究了快速节点定位技术，该技术采用边界盒定位的方法优化了人工蜂群(ABC)算法。实验对光纤传感网络中的多个未知节点进行定位分析，并将所提算法、未优化的ABC算法和传统粒子群(PSO)算法的测试结果进行了对比。实验结果表明，随着种群数的增加，3种算法的定位精度都会提高，当种群数＞20后趋于稳定，定位精度依次为2.2、3.0和3.3 m。由达到稳定的迭代次数和定位精度上下限可知，所提算法的收敛速度和定位稳定性均优于后两种算法。由此可见，基于所提算法的定位技术更适用于光纤传感IoT的节点定位应用。