无线传感器网络是一种对传输网络覆盖地理区域内被感知对象的信息进行感知、采集和处理的通过无线通信方式形成的一个多跳的自组织的网络系统。无线传感器网络由部署在监测区域内大量的廉价微型传感器节点组成。广泛应用于军事、环境监控、医疗卫生等多个领域。其中分布式目标检测技术是无线传感器网络技术应用的其中一个重要方向。在分布式检测系统中,每个传感器对得到的观测数据先进行一定的预处理,然后将数据传送给其它节点并进行融合压缩处理,最后再汇总到融合中心。对数据的压缩性预处理降低了对通信带宽的要求,减少了能量消耗,降低了对单个传感器的性能要求和造价。本文针对无线传感器网络的结构特征,重点的研究了无线传感器网络下的单目标分布式检测问题。在介绍了分布式检测的经典理论,Bayes准则和Neyman-Pearson准则,以及在Bayes准则和Neyman-Pearson准则下,局部传感器的最优判决准则以及融合中心处的最优融合规则后,本文主要对树形结构的传感器网络进行了研究。研究了传感器节点观测值相互独立且性能相同的条件下,m-叉树形传感器网络的检测性能,在有节点和链路故障的情况下,给出了依赖传感器个数N的融合中心处的第一类和第二类错误概率的上下界的显式表达式,该表达式刻画了当N趋近于无穷时,错误概率的渐近衰减速率,显然,这个衰减速率不可能比没有节点和链路故障的情形快。因此,进一步给出了为了使系统的错误概率衰减速率和无节点和链路故障时相同,节点和链路故障概率应该满足的充分必要条件。接下来,针对在实际应用时,由于工作环境的变化以及各种不确定因素的影响,导致传感器节点性能不可能完全相同的情况,提出了一种带有权值的融合算法。当节点的权值未知时,采用一种将父节点的判决结果与子节点的判决结果的多步反馈比较方法来在线的估计权值,仿真算例证明了这个权值估计算法的有效性。最后在带有权值的融合规则下和不带权值的融合规则下对系统的检测性能进行了比较,证明了新算法的有效性。