无线传感网络是集成微型电子、无线通信网络和对信息进行分布式处理等技术的一种全新的计算模式。被广泛用于智能交通,军事、医疗、生态环境监测等领域。因为无线射频信号在信息通信传输的过程中会受到各种外界因素干扰,造成链路的通信质量。链路质量评估对无线传感网络的路由策略、资源管理和可靠部署等尤为重要,好的链路能够提高消息成功传送的概率,降低信息重传造成对的能量消耗,减少路由重构的次数。由于链路质量受多种因素的干扰,以往的方法对链路的预测的精度不准。针对这些问题,论文开展了以下研究工作:提出了一种基于动态模糊神经网络的无线传感网络链路质量评估方法。把无线传感器Mica系列节点接入笔记本电脑,使用TinyOS操作系统、nesC编程语言模拟传感器节点发送数据包。对无线传感网络进行数据采集,通过比较和分析无线传感网络相关系数(RSSI、CCI、PRR和SNR),选取PRR作为链路质量预测参数值。依据PRR值计算出ETX的路由量度,以此来评估无线传感器的链路质量。基于D-FNN的无线传感器的链路评估方法存在着一些不足之处。这是因为随着目标样本数目的增加,整个动态模糊神经网络自适应能力下降。由于系统误差不能在线估计,算法的运算速度会受到影响。信号中的噪声,也影响到无线传感网络链路质量评估参数的采集。针对该算法应用在无线传感网络中存在的不足之处,提出用EKF(扩展的卡尔曼滤波方法)更新前提参数的中心和宽度。在动态模糊神经网络的基础上使用自组织映射技术修正神经元中心,从而得到更好的输入空间划分。最后,为了提高算法速度,用递归最小二乘法(RLS)替换线性最小二乘法(LLS)进行噪声消除。采用误差下降率(ERR)方法作为修建策略。实验表明,优化后的D-FNN算法,能够增加链路预测准确度和预测的质量,降低算法的冗余,这在一定程度上减小节点能量的损耗,延长WSN和自组织网络的使用率和它们的使用寿命。