能量收集无线传感器网络是指具有能量收集能力的传感器节点感知、获取和协作传输被监控对象数据的网络,可以保证节点能量不会被耗尽,有效地解决了传统的无线传感器网络中能量受限问题。但是能量收集过程具有随机性的特点,这使得传统无线传感器网络中已有先进技术并不能直接应用于能量收集无线传感器网络。因此本论文对能量收集无线传感器网络关键技术展开研究,重点克服能量收集无线传感器网络中基于随机能量收集模型的能量管理方法和媒体接入控制算法上的难题。首先,本文研究了独立同分布随机能量模型下有限电池容量节点的最优能量管理策略问题,将能量管理策略问题建模为节点寿命时间内被正确接收的数据量最大化的优化问题。其中,能量收集过程服从独立同分布。在节点寿命满足几何分布的假设下,将问题转换为无限阶段折扣马尔科夫决策问题,然后根据Bellman最优准则证明了最优能量管理策略具有基于剩余能量阈值的形式。最后,通过仿真验证了不同信道状态下电池容量和能量收集概率对最优策略收益的影响。仿真表明,当电池容量大于一定的数值后,最优期望收益不再增加。同时,随着能量收集概率的增大,系统性能逐渐提高。其次,本文进一步研究了基于马尔科夫链能量模型的节点能量管理策略问题。针对传统的策略迭代算法需要存储所有状态和对应的行动导致占用存储空间较大的问题,提出了一种基于成功传输概率的自适应能量管理策略。该策略具有低存储量的特点。只有在当前时隙的信道成功传输概率大于上一时隙能量收集状态下的成功传输概率阈值时,节点才可以发送数据,否则不发送数据。不同的能量收集状态对应的成功传输概率阈值不同。进一步地,本文基于策略等效性原理将阈值的可行域从连续集合缩小到有限数目的离散集合,从而可以通过结合最优方程和枚举算法求解最优阈值。仿真表明,在不同的能量收集情形下,基于成功传输概率的自适应能量管理策略收益可以很好地接近基于策略迭代算法的最优策略收益；同时相比于基于策略迭代算法需存储所有状态和对应的行动,本文提出的能量管理策略只需存储2个阈值,有效地降低策略的存储量。此外,针对能量收集统计信息难以预测的情景,本文验证了不同学习速率下Q学习算法对最优策略的学习效果。仿真表明,行动-状态对使用相同学习速率的Q学习算法能更快地学习到最优策略。最后,本文针对基于RF能量收集无线传感器网络的传输公平性问题,在时隙CSMA/CA控制算法的基础上,给出了一种能量收集速率自适应的媒体接入控制算法。在本文给出的媒体接入控制算法中,每个传感器节点的竞争接入时间只受节点自身的能量收集速率控制；能量收集速率较低的节点,竞争接入时间较短。仿真表明,在数据包到达过程服从泊松到达过程的假设下,当RF发射功率低于一定阈值时,本文给出的媒体接入控制算法的传输公平性高于时隙CSMA/CA控制算法。