随着无线通讯技术、微电子技术及嵌入式计算技术的快速发展，无线传感器网络的应用范围越来越广泛。但是，由于无线传感器网络自身的固有特点使得传感器节点感知的数据往往存在大量的噪声和数据缺失，使得查询和数据挖掘结果不准确，严重影响了传感器网络的应用。针对这些问题，本文从两个方面来进行数据清洗的研究：数据去噪和缺失数据估计。 在传感器网络研究领域中，去除感知数据含有的噪声是个重要的研究课题。现存的去噪算法没有考虑节点密度不均匀及信息拥塞的情况，从而过多的消耗了能量。本文考虑了这两个因素，并使用了时间维加权的方法，提出了一个基于节点密度的网内自适应去噪算法—DHA(Density—based Hybrid Approach)。DHA能够根据节点密度来进行算法决策，并且在时间维进行加权，能够对数据变化作出快速反应并且提高数据精度。实验结果表明，DHA方法能够在保证良好的去噪效果、快速响应时间的前提下，比目前最好的去噪算法WMA(Weighted Moving Average—based)更节省能量。 由于无线通信和感知器件的质量问题，无线传感器网络中经常存在感知数据缺失现象。针对此问题，本文给出了两种缺失数据估计的方法：CNI(Changed Newton Interpolation)方法以及SRS(Similar Rate—Set)方法。基于CNI方法以及SRS方法，本文提出了一个分布式算法SC，该算法根据当前节点的子节点数来对SRS和CNI进行选择，在同时采用SRS与CNI方法的节点上，算法SC根据两者对缺失数据的估计误差来计算两者估计结果的权值。理论分析表明：算法SC不增加额外的通信能量消耗。模拟实验结果表明：算法SC对缺失数据的估计具有较好的准确性，对于不同的拓扑结构有较好的适应性，数据丢包率低。