无线传感器网络是由大量传感器节点组成的,具有拓扑结构动态性、组网方式灵活性等特点,被广泛应用于数据采集中。无线传感器节点通过实时地感知、采集周围的数据并且将采集到的数据传送给数据监控中心,使得数据监控中心获悉实时有效的信息,以实现远程的监测、控制、调配的功能。对于部署于较复杂的恶劣环境的传感器节点,易受到湿度、温度等多方面环境与设备自身因素的影响,进而使得节点故障频频发生。节点一旦出现故障,就会对整个网络的系统性能产生影响,因此,研究如何快速有效地对无线传感器网络进行故障检测具有非常重要的意义。目前,无线传感器的故障检测方法主要包括集中式检测和分布式检测两种。在集中式检测中,中心节点需要汇聚其他节点的信息并对其他节点的状态做出判定,因而容易成为网络的瓶颈,使得集中式方法在大规模网络弊端明显。相对于集中式方法,分布式方法克服了中心节点的瓶颈问题,具有相对广泛的应用价值。但是,在现有的分布式故障检测方法中,依然存在一些问题,例如故障检测精度有待提高、通信消耗过大、能量消耗过快、无法处理故障分布不均匀、无法处理多变量情况等问题。本文针对以上问题,从无线传感器网络协作通信和数据特征处理两方面展开无线传感器的故障检测方法的研究,提出基于历史数据与邻居协作的故障检测算法和基于改进的主元分析法的故障检测算法。在基于历史数据与邻居协作的检测方法中,为了克服已有的邻居协作检测算法的缺点,利用历史数据建立残差模型并通过对正常数据的预测来检测新数据是否存在故障,再通过邻居协作的方式判定其他节点的状态。仿真结果表明,本文提出的基于历史数据与邻居协作的无线传感器网络故障检测算法在节点邻居数减少、节点故障率升高的情况下,依然可以保持很高的检测精度；此外,相对于其他的邻居协作算法,本文提出的算法减小了节点之间的消息交互。在基于改进的主元分析法的故障检测算法中,为了克服传统的主元分析法在提取数据特征时包含了大量的噪声和错误数据的缺点,本文提出的改进的主元分析检测算法首先通过原始数据得到初始阈值,在建立模型时对样本矩阵的每一行数据进行检查,并删除Q统计量大于初始阈值的行,进一步分析得到最终阈值,并应用最终阈值对新数据是否故障做出判定。仿真结果表明,本文提出的基于改进的主元分析的故障检测算法可以提高数据故障的检测精度。