无线传感器网络(Wireless Sensor Networks,WSN)用来感知客观物理世界,获取物理世界的信息量,具有广泛的应用前景。但是传感器节点成本低廉,并且部署环境复杂,当电量将要耗尽或者受到环境影响时,容易发生软故障,此时节点仍然可以将测量值发送出去,但是测量值偏离实际值,降低WSN的可靠性。本文针对WSN中传感器节点的软故障检测与处理技术,做了以下三个方面的工作:(1)首先,针对节点故障检测算法存在的缺陷:通信量大或需要先验知识,提出基于时空相关性的节点故障检测算法,节点首先进行自我检测,利用时间相关性通过历史数据判断当前测量数据是否可能异常;若可能异常则进行相似性检测,可能异常的节点可以通过多数表决和与确认正常或异常的节点相似性判断的结果得到自身的节点状态。仿真结果表明,该算法有较高的故障检测准确率和较低的虚警率。并且节点首先进行自我检测,可以降低无线传感网中节点的通信次数,减少了能量消耗,延长了无线传感网的使用寿命。(2)其次,针对以往的数据聚集算法计算量大或需要先验知识的问题,提出基于自回归模型的数据聚集算法,首先使用自回归模型对测量值进行拟合,计算下一时刻测量值的预测值,利用预测值和实际值根据线性最小均方误差估计的正交原理计算测量方差,利用拉格朗日乘子法计算最优加权系数,进而求得聚集结果,因为不需要任何先验知识,所以算法具有良好的自适应能力。仿真结果表明,该算法具有较小的误差,可以更好的处理测量数据得到更接近实际值的聚集结果,而且算法的性能更加稳定,不受先验知识的影响。(3)结合基于时空相关性的节点故障检测算法和基于自回归模型的数据聚集算法,设计并实现了节点软故障检测和处理原型系统。使用温度传感器采集环境温度数据,对传感器的状态进行判断,并对监测区域内的传感器测量值进行聚集处理,通过对比改进前的情况,本文提出的节点软故障检测和处理系统能够较好的判断节点的状态,并通过聚集处理得到准确的环境温度值。