在本世纪里,无线传感器网络展现了它在多种领域和各种行业里广阔的应用前景。应用中部署的大量异构传感器节点,能在指定区域内实时监测用户感兴趣的各种环境信息,并根据用户需求对数据进行加工处理。广泛的应用前景和多样的需求使得其以数据为中心的特点越发重要。传感器网络中的数据因为节点软、硬件故障等因素而存在众多数据问题,如数据缺失、异常和失效等。低质量数据将会降低应用程序的性能,并可能引起应用产生错误的业务决策。异常检测技术能够筛选错误数据并避免它对传感器网路应用造成的不良影响。同时,在中心节点处对收集到的数据集进行清洗以提高数据质量,是避免低质量数据给应用造成错误决策的有效手段。本文研究了传感器网络中实时高效的异常检测方法以及合理的数据清洗策略。论文的主要工作包括以下几个方面。第一,研究了基于模式频繁度的无线传感器网络异常检测问题。针对异常数据问题,提出了一种基于数据变化模式和数据空间相关性的无线传感器网络分布式异常数据检测方法。该方法首先为各个节点的数据创建一个分布模型,即将数据变化模式映射到某个特征空间的分区中,确定非频繁分区,再通过判定数据是否落在非频繁分区来筛选出潜在异常值。之后根据邻居节点数据的空间相关性对异常值产生的原因进行判定。实验结果表明,该方法在避免较高运算复杂度的同时,能够有效地检测并区分网络中的错误数据与异常事件。第二,研究了无线传感器网络数据质量分析及其清洗策略问题。不合理的数据清洗策略无法达到预期的清洗效果,同时增大了系统清洗开销。针对上述问题,本文首先给出无线传感器网络中数据质量的评估指标及其度量方式,并研究了在数据清洗过程中不同指标间的关系对质量评估的影响,最后通过对比分析多种不同顺序的数据清洗方案,提出了基于数据质量指标间关系的无线传感器网络数据清洗策略。实验结果表明,在同样的清洗开销下,该数据清洗策略能够有效的提高无线传感器网络数据的可用性,拥有较好的清洗效果。