近年来,无线传感器网络已成功用于环境监测、车辆跟踪等场景。传感器节点成本低、所处环境恶劣,容易发生故障。故障节点影响整个网络的监测能力以及数据处理准确性。高效地检测出故障节点是保障传感器网络高效工作的必要手段。故障传感器节点依然传输数据,只是数据错误,或噪声过大,难以检测。现有的故障传感器节点检测方法多是利用节点采集数据的时空相关性。对于桥梁、建筑物监测传感器网络,各节点采集的振动数据的时空相关性较弱,基于时空相关性的故障节点检测方法效果差。本文研究利用传感器节点已采集数据,在不增加传感器网络数据采集量的基础上,检测桥梁、建筑物监测传感器网络中故障节点的方法。本文主要研究以下三方面内容:1.针对桥梁、建筑物监测传感器网络节点采集数据的直接时空相关性差、基于时空比较的故障检测方法不再适用的问题,提出基于Kalman滤波重构误差的故障检测方法。本方法利用Kalman滤波和系统初始状态空间参数重构一组传感器节点的测量数据,根据Kalman滤波重构误差是否大于预设门限判断该待测分组中是否存在故障节点。桥梁监测传感器网络实测数据实验表明了基于Kalman滤波重构误差的故障检测方法的适用性。2.研究基于群验理论的故障节点检测方法。利用群验技术,设计多个分组测试向量,并根据多个分组测试结果能够检测故障节点,且测试次数可以小于待测传感器节点数。本文结合群验技术与基于Kalman滤波重构误差的故障检测方法,实现传感器网络故障节点高效检测。3.针对基于Kalman滤波重构误差的故障检测方法存在误判的状况,提出自适应贝叶斯群验算法的故障节点检测方法。本方法在群验算法中引入贝叶斯理论,使用概率推理代替确定性推理,根据最大化更新增益的期望值自适应选择测试向量,根据贝叶斯理论获得传感器节点状态概率更新方法。桥梁监测传感器网络实测数据实验表明:基于自适应贝叶斯群验的故障节点检测方法所需测试次数少,在群验存在误判的情况下,依然能够准确检测故障节点,算法鲁棒性高。