智能电网应用需要及时可靠的数据通信系统, 但是传统的光纤无线传感器网络(Fi-WSN)系统可能无法满足其短延迟要求。因此, 基于服务质量(QoS)机制提出了一种适用于无源光网络(PON)电网的数字智能化通信机制(XWMOC)。首先, 通过无线通信网络与光网络单元(ONU)合作, 减少延迟的同时避免外部设备的干扰影响; 其次, 在无线传感器网络中通过应用层和介质访问控制层(MAC)之间的跨层交互, 减少数据包延迟。最后, 通过两个优先级队列向光编码ONU引入服务差异化, 实现最终通信速率及可靠性提升。基于上述方法, 结合国网重庆市相关地区用户数据, 采用IEEE802.15.4标准进行远距离保护和同步器的研究实验。实验结果表明, 提出的机制可以实现电网数字智能化通信, 减少Fi-WSN系统和长距离无源光网络(LR PON)中的端到端延迟, 同时, 为智能电网应用提供了更加高效、可靠的数据通信系统。

针对无线传感器网络节点部署不均所导致的网络覆盖率较低问题, 以无线传感器网络覆盖率最大化为目标, 提出一种基于改进萤火虫算法(IFA)的网络覆盖优化方法。该方法运用佳点集方法初始化种群, 提高种群的多样性, 奠定全局搜索基础; 利用具有非线性指数递减的变形 Sigmoid函数作为惯性权重, 平衡算法的全局搜索和局部开发能力; 采用高斯扰动策略对个体位置扰动更新, 避免算法早熟。仿真结果表明, 该算法与人工鱼群算法(AFSA)、种子杂交粒子群算法 (HSPSO)和混沌萤火虫算法(CGSO)相比, 能有效提高网络覆盖率, 使节点部署分布更均匀。

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。

针对具有有限感知范围的无线传感器网络中的动态目标跟踪问题，提出了一种将卡尔曼一致滤波和动态集群自组织相结合的协作式动态目标跟踪算法。首先，算法采用一个由群头挑选阶段和集群重新配置阶段构成的动态集群协议来限制参与目标状态估计过程中节点间的信息交换，然后用一个分布式加权估计预测算法即卡尔曼一致滤波来估计目标状态并预测其下一个位置，这样有助于唤醒最合适的节点来进行目标跟踪并最恰当地组织网络通信，而其他节点保持在睡眠状态。仿真结果表明，提出的算法相比于集中式和其他2种常用的分布式动态目标跟踪算法，不仅能够降低网络的平均能耗，而且能够明显提高跟踪过程中的误差估计质量。

在无线传感器网络定位领域,DV-Hop算法因其实现简单得以广泛使用。针对DV-Hop算法定位误差较大的问题,提出一种基于DV-Hop多通信半径的加权定位算法。该算法利用多通信半径并通过引入修正因子细化和优化跳数,利用最小均方误差准则和加权方式修正平均跳距,并利用加权最小二乘法估算未知节点坐标。通过仿真得出所提算法在相同实验条件下的定位精度较DV-Hop算法提升约60.5%,相较于双通信半径优化算法和3-DV-Hop算法分别提升约36.4%和13.8%。

针对水下光无线传感器网络(UOWSN)节点的传输范围受限和间歇性连接的问题，利用多跳通信扩大传输范围来增强网络连接性，提出一种网络节点定位算法。首先，将UOWSN建模为三维(3D)随机缩放模型图，并根据网络节点数、通信范围以及光发散角推导了该模型下网络节点的连接性概率表达式；然后，利用接收信号强度(RSS)定位算法修正距离矢量跳数(DV-Hop)定位算法来解决网络节点的定位问题，并与现有方案进行分析对比。仿真结果表明提出的定位算法的性能明显优于标准的DV-Hop算法和Hybrid DV-Hop算法。

为了提高无线传感器网络节点的定位精确度，给出一种基于临近锚节点修正(CAAN)的具有噪声的基于密度的聚类(DBSCAN)加权定位算法。首先，在未知节点通信范围内的锚节点中选择三个构成三角形，证明当未知节点处在此三角形外接圆圆心位置时定位误差最小，然后据此选择合适的锚节点，结合滤波后的接收信号强度指示(RSSI)值进行定位计算，并利用DBSCAN聚类算法剔除误差较大的值。其次，把聚类后所得簇的核心点个数当作权值，采用加权定位算法得到未知节点的初始坐标。最后，计算锚节点坐标与初始坐标间的距离，选择临近的锚节点修正初始坐标，使最终的定位结果更加精确。仿真结果表明：相比于加权质心定位算法和基于RSSI测距滤波优化的加权质心定位算法，所给算法的定位精确度分别提高了69.55%和38.64%。