能量采集无线传感器网络（Energy Harvesting Wireless Sensor Networks,EH-WSNs）近年来被广泛应用于各种领域。不同于仅用电池供电的无线传感器网络（Wireless Sensor Networks,WSNs）,EH-WSNs可以从环境中采集能量为传感器节点供电。因此EH-WSNs有了长期持续运行的能量基础,充沛的能量供给改变了无线传感器节点的能量模型,使得WSNs可以花费更多的能量去获取更强的通信能力。同时,对于节点状态的控制目标也由延长节点寿命避免节点过早死亡改变为了增加节点唤醒工作的时长、降低节点休眠时长。上述这些改变需要对应用于EH-WSNs中的路由协议进行新的设计,以进一步提升WSNs的通信能力和能量管理能力。本文主要研究了 EH-WSNs中能量消涨模型以及信息传输和能量利用的联合优化问题。首先,针对EH-WSNs中的能量采集预测问题,提出了两种不同复杂度和预测准确度的方法来对太阳能采集进行预测。将本文设计的基于长短期记忆网络（Long-Short Term Memory,LSTM）的预测模型以及基于太阳能周期性和趋势性变化规律的传统预测模型用实际的太阳能辐照数据预测验证其性能,证明了两种预测方法的有效性和差异性。然后,根据前文的能量采集预测方法提出了一种新的能量感知机会路由协议（Energy Aware Opportunistic Routing,EAOR）,通过和传统机会路由方法进行仿真比较,证明了 EAOR在EH-WSNs中优秀的性能,并通过采用不同精度预测方法的进行路由协议仿真,证明了高精度预测方法对该路由协议性能的积极作用。在所考虑的EH-WSNs模型中,能量消耗和采集的不平衡性限制了网络的感知和通信能力。本文为了解决这一问题,将机会路由协议（Opportunistic Routing,OR）应用到EH-WSNs中,去充分利用能量采集提供的充裕能量,将能量转换为空间分集增益,提高网络的通信能力。同时,通过研究现有的成果,在EH-WSNs中的能量采集预测和节点能量建模方面尚有不足,并且尚无研究将能量采集的预测数据用来提升机会路由协议的性能。因此,本文将EH-WSNs中的机会路由传输归纳为一个以单跳能量效率最大化为目标的优化问题。针对这一问题,提出了一种基于LSTM神经网络的太阳能预测的能量感知机会路由协议。该协议创新性地考虑了节点当前剩余能量和LSTM神经网络预测的短期太阳能采集量,将其作为机会路由转发候选节点选择过程中的关键因素,以提高能量利用率和平衡能量存储。由此,为了联合优化节点的能量消耗和信息传输,提出了一种新的综合考虑能量因素和中继转发能力的指标来辅助机会转发候选节点的选择。在此协议中,中继优先级考虑了节点的剩余能量和休眠历史。仿真结果表明,与基于地理位置的传统机会路由相比,该协议使网络吞吐量提高了 20%,重传率降低了 11%。同时,它具有较强的节点间能量平衡能力。为了验证所采用的预测方法对协议性能的影响,本文还设计了预测精度较低的预测方法代替LSTM神经网络进行仿真,其中,低精度预测方法的EAOR在丢包率和时延等通信性能上相较于使用LSTM预测的EAOR劣化了 5%以上,在代表能量均衡性的节点间能量标准差指标上劣化了 5%左右,证明了更准确的能量收集预测可以提高所提出的路由协议的性能,验证了使用高精度预测方法的必要性。本文详细阐述了研究中使用的预测模型、系统模型以及能量感知机会路由协议的设计细节。计算机仿真表明提出预测方法有较高的预测精度,提出的路由协议在提高网络的通信能力和能量管理能力方面相较于传统的机会路由协议有着明显的优势。