无线传感器网络时间同步技术是确保节点间协调工作、完成多传感器节点数据融合和协助定位过程等的基础,是无线传感器网络的重要支撑技术之一。然而,无线传感器网络的独有特点,比如节点能量、处理能力有限,给分布式网络时间同步的设计带来了巨大的挑战。本论文对时间同步技术进行研究,将其归为两类:结构化时间同步和非结构化时间同步,并从统计信号处理的角度对这两类时间同步方法进行了总结。然后从成对时间同步、成对广播时间同步、洪泛时间同步及完全分布式时间同步这四种同步方式入手,结合统计信号处理技术对时间同步展开研究。本论文的主要创新点如下:(1)为提高成对时间同步中任意网络延迟分布模型下时钟估计方法的精度和健壮性,提出一种基于变分贝叶斯的复合粒子滤波方法,并在该方法的基础上,提出一种健壮的时间同步方法。对于实际环境较为复杂的传感器网络来说,很难找到符合实际环境的网络延迟分布模型,这是由于各种各样的原因会不同程度地影响到网络延迟的分布。因此,本文研究任意网络延迟分布模型下的时钟参数估计方法,对高斯混合卡尔曼粒子滤波算法进行改进。针对最大期望(Expectation Maximization,EM)算法需要事先确定混合组件个数,容易产生过拟合和欠拟合的问题,引入变分贝叶斯EM算法,根据观测值自适应的确定混合组件个数。并且,针对链路不可靠导致的数据包丢失问题,根据上述滤波方法得到的时钟参数估计值,为时钟频偏建立自回归模型,提出一种健壮的时间同步方法,在数据包丢失的情况下,根据建立的自回归模型计算下一时刻的时钟参数值。实验仿真结果显示,本文提出的时间同步方法性能较优,且在数据包丢失情况下具有较好的健壮性。(2)针对成对广播时间同步存在的问题,提出一种低空间开销的时间同步方法。成对广播时间同步利用了无线信道的广播特性,通过监听信道上的时间消息实现同步,大大降低了同步的通信开销。针对成对广播时间同步算法(PBS)需要配置超级节点以及采用最小二乘估计算法对监听节点的时钟参数进行估计时需要存储接收到的所有时间戳信息所带来的存储空间开销大的问题,本文提出一种低空间开销的时间同步方法,利用时间消息交换过程中的所有时间消息,采用递推最小二乘估计算法实现监听节点和活动节点时钟参数的联合估计,在所有节点都为普通节点的前提下,以较低的存储空间开销实现同步。实验仿真结果显示,本文提出的方法在假设参考节点和活动节点都为普通节点的前提下,可以得到与PBS相当的估计精度。(3)针对洪泛时间同步存在的问题,研究基于适应值跟踪的时间同步方法,提出一种基于适应值跟踪的稳定时间同步方法。针对洪泛时间同步方法可扩展性差的问题,已有研究成果引入了适应值跟踪机制。本文针对基于适应值跟踪时间同步方法存在的问题,设计一种新的二分搜索方式和逻辑时钟更新方式,从而提出一种基于适应值跟踪的稳定时间同步方法。该方法利用设计的新的二分搜索方式,在给定的搜索空间内,通过综合逻辑时钟值和逻辑时钟变化值的分析结果,产生连续的反馈信息,发现并跟踪参考节点时钟运行速率的动态变化。实例对比分析结果显示,本文提出的方法与已有方法相比,可以避免产生错误反馈信息,并且能够保证时间同步过程中时钟时序的正确性。(4)为了提高任意网络延迟分布模型下完全分布式时间同步方法的精度,提出一种基于序贯置信传播的分布式时间同步方法。针对基于高斯置信传播的完全分布式时间同步方法在非高斯延迟模型下精度下降的问题,本文提出一种适用于任意网络延迟模型的基于序贯置信传播的分布式时间同步方法。该方法利用基于粒子的置信传播算法,在非高斯的延迟模型下,估计节点的时钟参数,并将EM算法引入到基于序贯粒子的置信传播算法中对采样的粒子进行高斯混合拟合,以增加计算开销为代价减少时间同步过程中的通信量,降低通信开销。仿真结果显示,在不对称的高斯和指数延迟模型下,本文所提方法的同步性能要优于基于高斯延迟模型的置信传播算法的同步性能,且大大减少了时间同步过程中消息传递的通信量。