无线传感器网络(WSN)在解决真实世界的问题时有非常重要的意义,在近年来吸引了越来越多的研究兴趣。传感器网络最重要的应用之一就是对事件的监测。大部分现实世界中的事件都具有渐变的性质——事件区域变化缓慢;事件给周围环境带来的影响随着环境到事件距离的增加而衰减。我们称具有上述性质的事件为渐变事件,如森林火灾和煤矿中的气体泄漏。事件通常使用若干属性值的阈值定义。事件监测可以分为事件发现和事件边界跟踪两个阶段。事件监测要求网络能够在监测区域内有事件发生时尽快的向基站报告,同时也要求在监测区域内没有事件发生时尽量不误报事件发生。由于能量是传感器网络的瓶颈,事件监测的另一个目标就是要能量高效。在事件发现阶段,基站要获得网络覆盖的监测区域内是否有事件发生。由于传感器节点失效后其读数不代表真实的感知属性值,考虑到节点失效是独立的,而事件给节点读数带来的影响是空间相关的,为了区分节点失效和事件发生,以往的文献提出了令邻居节点根据自己读数是否达到阈值进行投票的机制,而不是只根据单个节点的判断就直接报告事件发生。虽然这种方法显著的降低了误报率,但是在监测渐变事件时,却不可避免的延长了响应时间。本文针对渐变事件提出了新的发现方法——二进制串匹配投票(BMV),它有接近根据单节点判断直接报告的响应时间,同时报告的可靠度甚至比基于阈值投票的方法更高。此外,对BMV的进一步优化能避免对一个事件的重复和多余报告,从而延长网络的生存周期。在事件边界跟踪阶段,基站要获得事件发生后其位置和规模。需要对已有的任意形状的事件边界进行能量高效的跟踪,同时要保证在新的事件发生时也能进行有效监测。以往的跟踪方法只是周期性的重复识别事件边界,这样会不必要的浪费很多能量。本文提出了基于差分思想的跟踪方法,该方法在保证不丢失已有事件边界且不遗漏新事件边界的前提下,在跟踪渐变事件时能显著减少参与通信的节点数目,从而节省能量,延长网络生存周期。大量的仿真实验和理论分析证明了本文的方法在监测渐变事件时是快速的、可靠的且能量高效的。