随着科学的快速发展,近年来人们研制出了各式各样的具备感知、计算以及通信能力的微型传感器。这与目前分布式数据处理技术和传感器技术的不断进步密切相关,也与无线通信技术乃至嵌入式技术的日益成熟密不可分。但在无线传感器网络(Wireless Sensor Networks,WSN)中,传感器节点因其体积受限,所以能量也有限,且在现实应用中难以实现充电或电池的更换,因此,让节点长时间处于休眠状态,即低占空比模式,对于低流量且能量有限的WSN而言是很有必要的。然而,低占空比的操作也对网络带来了较大的休眠延迟问题。基于此,在低占空比无线传感器网络中有必要采用一定的休眠调度方法实现性能的提升,以延长网络的生命周期。本文采取的主要思想是:对节点增加苏醒时隙的次数最少,以使付出额外能耗的代价最小化,减少端到端的休眠延迟,保障数据的实时传输。主要工作如下:(1)在动态能量感知的基础上,针对低占空比WSN休眠延迟问题,提出一种自适应增加苏醒时隙次数的节点休眠调度算法。低占空比模式下,网络中每一个节点都有自己的工作调度表,使其工作时隙与休眠时隙交替进行。该算法是针对一条链路的节点进行休眠-唤醒调度,根据感知到的节点所剩能量的多少,决定增加苏醒时隙次数的多少,在满足给定休眠延迟的要求下均衡能量负载。实验结果表明,该算法降低了休眠延迟,提高了网络性能。(2)在上面所述休眠调度算法的基础上,打破给定休眠延迟的情形,提出一种基于多唤醒机制的节点休眠调度算法。在此算法中,节点不必受到给定延迟的限制,可确定一个适用于任意拓扑结构下的延迟下界,使延迟和能耗达到一个均衡的最佳值。不同于以往的单唤醒机制,该算法通过计算链路上节点的权值,优先选择权值较大的节点作为时隙再分配节点(Allocation Node,AN)对其分配新的苏醒时隙。实验结果表明,使用多唤醒机制的休眠调度方法减少了链路上的休眠延迟,降低了网络能耗。(3)针对网络中能耗和时延折衷问题,提出一种基于Q-学习的节点休眠调度算法。此算法是通过采用Q-学习方法,让每个节点据其当前情况和邻居情况的近似来做出决策,自主决定每个时隙的状态。由于这种近似不需要与邻居通信,进而可避免相应过程的能耗。实验对比分析,该算法延长了低占空比WSN的生命周期。