无线传感器网络是一种全新的信息获取和处理技术,广泛地应用于军事民事等各个领域。微小的传感器节点上密布了多种感知元件,能够源源不断的产生多维属性数据。一方面,随着应用的深入,用户的查询要求更加复杂和多样,传统的简单查询已经无法满足用户的需求,多维复杂查询可以更好的支持数据分析和用户决策。另一方面,硬件的进步使得传感器节点的计算能力、通讯能力和存储能力都在不断的增强,节点可以做更复杂的处理,为多维复杂查询提供了基础和前提。由于无线传感器网络资源受限的特征和多维查询本身的复杂语义,使得在传感器网络中多维复杂查询的研究颇具挑战。本文着眼于传感器网络多维数据的查询处理,总结了多维复杂查询的研究现状,选取了基于用户偏好的多维Top-k查询和K-支配Skyline查询两类多维复杂查询作为研究内容,研究这两种查询在无线传感器网络中的能量有效的查询处理算法。在大规模的无线传感器应用中存在有许多用户,不同用户对于各个属性的偏好存在差异,因此每个用户根据自己的偏好定义Top-k的打分函数。当网络中存在多个不同用户的查询时,如果把每个查询当作独立的查询下发,会传输很多重复的数据,耗费网络资源。由此,在无线传感器网络中引入了基于用户偏好的多维Top-k查询,能为多个不同偏好的用户统一返回整个网络中其各自关注的打分值最高的K个节点。以节约网络能耗为目标,深入分析了查询的语义特征,探索网内过滤条件,提出了基于网格索引的网内过滤算法和利用全局信息的连续查询算法。通过在合成数据和真实数据集上的模拟实验,验证了算法能大量减少数据传输,延长网络生命周期。Skyline查询可用于多目标决策而受到广泛关注,但随着数据维数的增加Skyline查询的结果集大小呈指数增长,不适合传感器网络资源受限的特点。研究了一种放宽支配的条件的Skyline查询,即K-支配Skyline查询,它可以返回在任意K个维度上不被其他点支配的数据对象,它不仅可以大大减少Skyline查询的结果集数量,并且能够为用户返回那些更重要更有意义的决策信息。在网内过滤的基础上,提出了基于空间划分和基于层次过滤的两种连续查询算法,两种算法从不同角度抑制网络数据的转发,节省能量。通过在三种不同分布的数据集上的网络模拟实验,验证了所提出算法的有效性。