飞机客舱狭小封闭,空气流动性差,不当的污染物浓度将影响乘客的舒适度与健康。目前对于客舱环境的监测,普遍采用的是有线单传感器测量的方法,有时会造成误报警,对人力物力造成大量不必要的损失,因此有必要开展一种新的测量方法,能够在一些突发事件下,依旧能够实现对污染物浓度的准确估计。为此,本文建立基于无线传感网络的污染物参数的监测模型,并从容错角度对参数状态估计算法进行研究,目的在于为客舱污染物浓度的监测提供具有实际工程意义的估计算法。本文为解决单传感器测量误差大的问题,采用输出校正的主辅传感器节点,建立基于无线传感网络的组合传感监测模型。针对无线传感网络中存在的丢包与路径损耗,提出了一种基于事件触发机制的一致性卡尔曼滤波算法进行状态估计,并给出算法最优增益,并采用李雅普诺夫第二法证明了算法的稳定性条件。并且,考虑实际应用环境中能耗的限制,对算法能耗建立了模型,并分析了触发阈值对能耗的影响。最后,为了减轻信号传输带宽负担,对节点的测量值和估计值做量化处理,提出了量化后的状态估计算法。仿真结果验证了上述各算法的有效性及准确性,与传统的局部卡尔曼滤波器相比,本文所提出的次优事件触发一致性卡尔曼滤波器具有更高的容错度,在存在丢包的环境下能够准确地进行状态估计且各传感器间的一致性误差较低,有效解决了误报警问题;与一致性卡尔曼滤波器相比,在合适的触发阈值下可以达到与一致性卡尔曼滤波器几乎相同的精度,而在有丢包的情况下,一致性卡尔曼滤波器会发散,该算法则能稳定收敛;与时间触发类算法相比,该算法大幅降低了传输能量的消耗,减小通讯负担,并在此基础上,考虑实际带宽的需求,对算法做量化处理,降低了带宽的压力。