当前无线传感器网络已经在众多领域得到了应用。但由于其网络结构和网络节点的自身特性,使其无法避免地在感知数据获取过程中可能发生数据缺失,使获取的数据集成为不完全数据集。通过对感知数据的处理分析从而获取有价值的信息是以数据为中心的无线传感器网络的最终应用目标,但在这一过程中应用的绝大部份数据挖掘和机器学习方法都需要建立在没有数据缺失的完全数据集基础上。利用非缺失数据估计缺失数据并进行填补,是当前将不完全数据集转换为完全数据集的主流方法。同时,这也是无线传感器网络感知数据预处理技术中最重要的一个步骤。因此,缺失数据填补算法成为了无线传感器网络研究中的一个重要领域。针对当前在无线传感器网络缺失数据填补领域中存在的问题,本文进行了关键技术的研究并给出算法解决方案。研究内容涵盖经典的无线传感器网络缺失数据填补以及在大数据背景下无线传感器网络缺失数据填补。主要的研究成果如下:（1）针对无线传感器网络离线缺失数据填补技术中填补精确度和填补率无法兼顾的问题,从时空距离度量的角度出发,提出了基于时空最近邻值的离线缺失数据填补算法,充分发掘数据相关性进行填补。仿真实验结果表明,相对于现有的基于时空相关性的缺失数据填补算法,该算法同时提升了缺失数据填补精度和填补率。（2）针对无线传感器网络中传感数据流在线缺失数据填补精确性和填补时间合理性相冲突问题,提出了基于虚拟时间邻居的在线缺失数据填补算法,充分利用虚拟时间邻居发掘传感数据流的相关特性进行在线数据填补。仿真实验结果表明,相对于现有的在线缺失数据填补算法,该算法在提高了传感数据流的在线缺失数据填补精度的同时,针对无线传感器应用程序使用的填补时间相对合理。（3）针对当前无线传感大数据的缺失数据填补技术缺少与传感大数据特性相适应的填补方法问题,提出了基于数据切分的传感大数据缺失数据填补算法,利用传感器大数据的相关特性,从三个向量维度对数据进行切分,并将缺失数据填补算法任务分解到并行计算平台上运行。仿真实验结果表明,相对串行方式运行的缺失数据填补算法,该算法在保障填补精度的同时减少了填补时间。（4）针对当前在存在数据缺失情况下缺少对无线传感大数据进行近似查询的方法问题,提出了基于双重抽样的传感大数据的缺失数据填补算法,从面向无线传感器网络传感大数据均值查询应用的角度,对传感大数据集进行双重抽样,在样本小数据集上进行缺失数据填补和查询,获取置信区间内的大数据集上的近似查询结果。仿真实验结果表明,该算法在合理的运行时间内确保了近似均值查询的准确度和可信度。