无线传感器网络已经广泛应用于环境监测、目标追踪、地理路由等领域。大量低成本、多功能、微小体积的无线传感器网络节点可以布置在一定的区域形成一个大规模的、动态拓扑结构的、应用相关的自组织网络。传感器网络中的离群点检测是无线传感器网络的应用之一,也是众多数据挖掘应用的基础。在这写数据流的挖掘应用中,相对于正常的数据,用户往往对于代表突发事件的离群点更加感兴趣。所以如何检测网络中离群点成为我们新的挑战。本文主要研究了在监测不同属性的无线传感器网络中动态离群点的检测问题。本文考虑了传感器节点数据随时间的变化模式,提出了传感器网络中动态离群点的概念,并从相关性的角度严格定义传感器网络中的动态离群点;本文给出了在监测不同属性的传感器网络中检测动态离群点的分布式算法。这种方法通过计算当前时间窗口内数据相关性与历史数据相关性的差异来检测离群点。传感器数据是持续、快速到达的数据序列。因此,我们提出了利用历史信息快速计算当前时间窗口内数据相关性矩阵的数据流方法,这种数据流的方法能降低计算复杂度。计算相关性矩阵对于其他的应用也很重要。对于离群等级需要报告给基站,而传感器节点能量敏感的,离群等级数据是严重偏斜的,根据这些特点,我们提出了对离群等级数据的压缩方法。我们的方法基于最简单的小波变换-哈尔小波,利用哈尔小波的分解和重构实现了偏斜数据的压缩。本文通过理论分析和仿真实验证明了本文的方法对于在监测不同属性的传感器中检测动态离群点是可靠、快速、能量高效的。