数据质量对于基于无线传感器网络的应用系统具有极为重要的意义,异常检测有助于提高无线传感器网络数据质量的可靠性和精确性,以及从收集的大量传感器数据集中发现感兴趣的事件信息。由于无线传感器网络本身的特点,使得传统网络中的异常检测方法不能很好的适用于无线传感器网络应用场景。本文首先对无线传感器网络中异常检测的研究背景和意义、研究现状和存在的挑战、基本问题等进行了全面的综述,并对现有技术进行了分类和比较。接下来针对现有异常检测研究中不能有效处理数据的多元属性和时空关联等问题,提出了一种面向多元时空数据的异常检测算法SlopeLOF。该算法首次引入了斜率向量Slope Vector作为描述多元时空数据变化趋势程度的度量;在对无线传感器网络收集到的原始数据集进行时间属性和空间属性上的预处理后,使用马氏距离(Mahalanobis distance)计算多元时空数据Slope Vector之间相似度;然后通过将Slope Vector与经典的基于密度的局部异常因子(LOF)相结合的方法,得到传感数据的多元时空异常值,并讨论了区分异常类型时的一些考虑。在原型系统数据集上实验测试表明该算法能够有效识别出多元时空异常数据。其次,本文给出了无线传感器网络数据实时收集、处理、存储与在线发布系统Receiver的设计与实现。该系统在大规模长期部署的无线传感器网络环境监测应用中取得了较好的效果,它提供了来自原型系统的大量原始数据,为异常检测提供了丰富、真实的数据样本集。同时,该系统通用灵活的设计架构使其很容易移植和扩展到更多的无线传感器网络应用场景。