无线传感器网络是由大量的传感器以自组织和多跳的方式构成的无线网络，实时协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息，并最终把这些信息发送给网络所有者。因其易于部署和灵活拓扑等特点广泛地应用于军事防御、工农业控制、环境监测等众多领域。由于网络自身的限制及部署环境的复杂性易造成采集数据的异常，作为无线传感器网络应用之一的离群点检测技术受到越来越多的关注。　　 相对于网中单个节点采集的数据而言，节点某个时刻的异常读数可视为离群点;相对于整个网络中的全部节点而言，异常的节点可视为离群点。从异常读数方面来讲，目前很多离群点检测技术假设网络的每个节点采集数据的数据分布是一致的，但在实际中，网络所部署的监测环境的是异质的，即包含多种不同的数据分布，从而导致邻域划分不准确，对检测精度造成影响。通常意义上的离群点检测等价于异常读数的检测。另一方面，现有的针对异常节点的检测算法不多，实际上，异常不限于单个的数据点，也可能是节点的全部读数都是异常的，需要从节点的层面上去检测异常并分析异常节点产生的原因。本文从这两个角度进行离群点检测，论文的主要工作如下:　　 (1)综合性地介绍了无线传感器网络的相关内容，对几种有代表性的无线传感器网络中的离群点检测算法进行分析比较，总结了影响无线传感器网络离群点检测技术主要因素。　　 (2)根据监测环境的异质性，提出适用于异质监测环境的基于椭球模型的无线传感器网络的异常读数检测算法。算法用椭球模型刻画数据分布，节点间只传输模型参数，用椭球参数式方程计算椭球间的相异度;将数据分布的不一致性引入到邻域划分的过程中，最终利用传感器读数间的时空关联性来检测局部离群点。实验结果表明，提出的算法具有通信量低、检测精度高和误检率低的优点。　　 (3)针对无线传感器网络中节点由于自身资源的限制和部署环境的复杂性等因素易造成节点异常的现象，提出无线传感器网络的异常节点的检测方法解决网络中异常节点的检测问题，算法用椭球模型来刻画节点的正常读数模式，利用节点间空间关联性将节点与其邻域内节点相异度均值进行比较以检测出异常节点，通过分析时间序列的时间关联性以区分异常节点的读数是错误数据还是包含有趣事件的有效数据。实验证明该算法有效。　　 (4)为验证本文提出算法的有效性，采用面向对象设计思想，利用C++语言在VC6.0开发平台上，设计并实现一个无线传感器网络的异常检测原型系统。