随着无线传感器网络技术的飞速发展,该技术已被应用到众多领域。环境监测是一类典型的无线传感器网络应用,通过大量的传感器节点采集环境参数(如温度、湿度、光照、大气压力等),使用户掌握外部环境的变化情况。为了能够及时监测到各种可能发生的事件(如森林火灾、泥石流、大气污染等),需要对节点采集到的多元数据进行分析,特别需要实时准确地检测出异常数据,并提供预警措施。因此,研究环境传感器数据流的异常检测方法具有非常重要的意义。本文的主要工作如下：1.提出了一种基于多维Epanechnikov核密度估计的传感器数据流异常检测方法。该方法主要包括两个算法：基于k近邻的采样算法(ODBKND)和基于Epanechnikov核密度估计算法(ODBKDE).2.本文提出的异常检测方法包含三个步骤。第一步是利用ODBKND算法对各分布节点滑动窗口内的初始数据流进行异常值剔除,将得到的正常数据传给簇首节点；第二步是簇首节点基于ODBKDE算法在正常数据样本基础上建立数据分布的核密度估计模型；第三步是簇首节点将模型再传给各分布节点,节点根据该模型判断未来时刻数据是否异常。3.设计了评估算法性能的有关指标。利用人工合成的传感器数据流,在MATLAB平台下完成了仿真实验,并将基于直方图的异常检测算法与本文方法进行性能对比。仿真实验结果表明,本文异常数据检测算法准确率可达98%。