气象传感网具有组网方式灵活性、拓扑结构动态性等特点,是一个高集成的网络系统。由于气象传感网的节点资源受限且长期工作在不可预知的环境中,在运行过程中气象传感网极易产生各类故障,进而降低网络服务质量。因此,故障诊断算法必然要求充分发挥网络信息交互的优势,提高诊断性能的同时避免冗余信息大,复杂度高的缺点。本文的主要工作就是发挥气象传感器节点数据时空相关性的优势同时结合邻居协作思想,研究气象传感网故障诊断算法:本文概述气象传感网的网络结构和特点以及其故障原因,并对故障进行了分类。介绍气象传感网故障诊断技术,并阐述现有故障诊断算法问题,给出诊断技术的性能评价标准,为气象传感网故障诊断研究的展开提供理论基础。针对现有的诊断方法会产生较高的误报率,同时消耗大量通信带宽的问题,本文提出了一种基于累积和控制图(Cumulative Sum Chart, CUSUM)的分布式故障诊断算法。利用CUSUM监测节点内本地历史数据,增强故障判断的灵敏性,同时对节点内异常时间点进行定位,结合邻居协作方法,最终确定故障节点。仿真实验显示,即使节点故障率很高时,算法在保证较高故障诊断精度的同时,依然得到较小的误报率,受故障率影响很小。本文提出的算法有很好的可扩展性和稳定性,能适用于大规模气象传感网的故障诊断。针对在节点分布稀疏、故障聚集的传感网中分布式故障诊断算法性能明显降低的缺陷,提出了一种基于支持向量机回归(Support Vector Regression, SVR)与邻居协作的故障诊断方法。根据节点内多组传感器所采集的气象要素在空间和时间上的冗余信息,通过SVR方法构建预测模型并且产生残差,结合相邻可信节点相互测试的策略,最终判断出故障节点。分析与仿真表明,本算法在降低节点通信量的同时,诊断准确率更高,在气象传感网中具有良好的性能表现。