无线传感器网络以其低功耗、低成本、分布式和自组织的特点越来越广泛地被应用到诸多领域。事件监测是无线传感器网络中一类热门的应用,得到了长期的关注和研究,且仍然存在不少问题。针对现存的问题,本文研究了新的事件监测算法。在事件监测应用中,当无线传感器网络的分布区域内有事件发生时,会产生相应的信号,这些信号经过环境衰减到达周边传感器节点,传感器节点测量衰减后的信号强度。传感器网络基于所有节点收到的信号强度(RSS)估计事件发生的位置和大小。信号的传播受环境影响,因此环境是不可忽略的因素,我们有必要对环境进行估计,以使得事件监测更加准确。在许多情况下,被监测的区域是大面积的,需要布置大规模无线传感器网络。如果使用集中式的网络拓扑,信号需要经过多跳到达中心节点,容易造成拥堵和丢包,而且一旦中心节点出现故障无法正常工作时,整个网络将无法运行。分布式网络可以解决这些问题,通过邻居之间的信息共享与协作,共同完成监测任务,具有通信负载均衡和系统鲁棒的特点。因此研究分布式算法具有现实意义。本文的研究工作主要包括以下内容：(1)建立问题模型。其中考虑了环境因素影响,引入环境参数。相比于以往许多算法中假设事件数量已知,我们研究的是事件数量未知的情况。通过挖掘事件数量相对于网络规模通常稀疏的特点,建立l1范数规范化的最小二乘模型,可以自动估计事件的数量及位置和大小。在此模型中,环境参数也是需要估计的优化变量。(2)设计集中式算法。针对l1范数规范化的最小二乘问题,使用交替方向法求解得到集中式算法。(3)设计分布式算法。我们使用交替方向乘子法(ADMM)求解问题模型,开发出无中心分布式的事件监测和环境感知算法。利用问题的结构,该分布式算法在每个节点的迭代分为三步：事件监测步,求解凸优化问题；环境参数估计步,求解一维的非凸优化问题；乘子更新步,仅需代数运算。为了使算法更高效,我们开发了启发式的加速算法。(4)仿真和实验。通过仿真,我们验证了集中式算法和分布式算法的有效性,比较算法的性能,并用丢包测试验证了分布式算法的鲁棒性。我们还搭建了无线传感器网络实验平台,并通过实验验证了算法的实用性。总之,本文提出了事件监测和环境感知的稀疏优化模型,并开发了集中式和分布式算法,通过仿真和实验验证了算法的性能和实用性。