无线传感器网络是由密集部署在监视区域内大量廉价微型的传感器节点通过无线通信方式自组织构成的多跳的网络系统。其中,网络路由协议和信息融合技术是无线传感器网络实现信息传输和信息处理的基础。无线传感器网络节点具有有限的通讯与计算能力,以及有限的能量资源,这些特点为无线传感器网络的路由协议设计和信息融合算法设计带来严峻的挑战。本文研究了采用复杂网络的观点理解和分析无线传感器网络的相关问题；结合小世界网络模型和复杂网络的一致性问题,探讨了无线传感器网络地理路由协议和分布式信息融合算法的设计与优化问题。主要工作归纳如下：1.基于小世界网络模型的地理路由算法路由“空洞”问题是影响无线传感器网络地理路由协议性能的主要因素。本文根据小世界网络的导航性,构造基于小世界拓扑意识的地理路由算法。该算法首先定义“拓扑意识”的概念,以包含非邻居节点的拓扑信息；然后根据拓扑意识,构造出具有小世界特性的逻辑网络；最后利用小世界网络的导航性引导信息传输,避开网络中的“空洞”区域。拓扑意识是本文算法的核心,在分析有效拓扑意识具有的结构特征后,本文建立小世界拓扑意识生成方法。仿真实验表明,本文提出的路由算法在网络中存在障碍物的环境中能获得较高的数据包成功传输率和经历较短的路径长度；因此减少了无线传感器网络的能量消耗,提高了无线传感器网络在复杂环境中的适应能力和生存能力。2.基于一致性算法的分布式估计融合技术基于一致性算法的估计融合需要经过多次的信息交换才能获得接近集中式算法的全局一致的参数估计值,而多次的信息交换不仅增加了传感器节点信息传输的能量消耗,并且增加了算法收敛的延时。本文将信号处理技术与复杂网络一致性算法相结合,应用了状态预测器和自适应滤波器加快算法,以改进基于一致性算法的分布式估计融合的收敛性能。前者通过应用节点即时估计的预测值,使得节点可以跳过收敛过程中的“冗余”状态,从而实现快速的收敛性能；而后者则通过对算法中加权矩阵的自适应更新获得算法性能的改进。仿真结果表明,改进后的算法不仅能够显著加快节点估计的一致收敛速度,同时还能减小算法收敛过程中的即时估计误差。3.基于一致性算法的分布式跟踪系统文中针对线性系统和非线性系统的状态跟踪问题,分别讨论了基于一致性算法的分布式Kalman滤波器和分布式Sigma点Kalman滤波器的设计和性能优化问题。其设计思想是通过将一致性算法与经典状态跟踪算法相结合,提高网络中不同节点状态估计的一致性,进而提高分布式系统中各个节点的估计性能。对于非线性系统,则首先应用基于Sigma点的加权统计线性回归法对系统状态方程和节点观测方程进行线性化,从而可采用与线性系统相似的处理方法。仿真实验表明,本文所提出的算法不仅提高了无线传感器网络目标跟踪估计的精确性,并且显著改善了网络中不同节点状态估计的一致性。同时,仿真实验揭示了在分布式跟踪算法设计中,改进不同节点状态估计的一致性是提高算法性能的关键。