微电子技术、无线通讯技术及嵌入式计算技术的快速发展使得无线传感器网络被广泛应用在环境监测、健康监护、智能家居、目标跟踪及空间探测等领域。无线传感器网络是由分布在某一个特定区域的许多普通的传感器节点及一个或多个sink节点构成。因其在军事和民用上的广泛应用,无线传感器网络成为研究的重要领域。拥塞控制问题是无线传感器网络重点研究的问题之一。因为拥塞不仅引起数据包的丢失,还会引起能量的浪费和吞吐量的下降。所以如何高效节能地将数据传送给sink节点是无线传感器网络研究的重点内容之一。针对无线传感器网络的拥塞控制问题,本文提出了两个新颖的分布式的自适应算法SNCCP和算法BPCCP。SNCCP算法和BPCCP算法的基本思想类似,均为:给每一个非sink的传感器节点建立一个缓冲区,每一个非sink节点通过周期性地控制进入节点的总速率,使节点的缓冲区队列长度维持在一个理想值附近,从而有效地缓解了拥塞。SNCCP算法和BPCCP算法的区别在于两者周期性地控制进入节点的总速率的方法不同,SNCCP算法是基于单神经元模型的拥塞控制算法,BPCCP算法是基于BP神经网络的拥塞控制算法。基于最速下降法,我们分别在这两个算法中用数学公式详细、严谨地给出了算法中一些重要变量的计算和更新过程。详细的理论分析与真实实验结果表明,在相同的实验初始条件下, BPCCP算法和SNCCP算法与现有算法相比,显著地改善了吞吐量,明显地提高了网络的负载平衡能力,具有很强的自适应性和鲁棒性。