随着无线传感器网络、点对点网络和自组织网络等应用的发展，分布式共识Gossip算法在连通网络中的应用得到了人们广泛的研究。Gossip算法不需要特殊的路由协议，且无需担心单个节点失效或是超出网络容量限制，因此其非常适用于无线传感器网络中的信号处理。另外，Gossip算法在不可靠的无线网络条件下具有非常好的鲁棒性。本文在分析现有经典广播Gossip算法的基础上提出了一种具有更高收敛精度的广播Gossip算法。在此算法中，我们通过增加伴随变量来补偿迭代过程中的误差值从而不断地提高收敛精度。在本算法中伴随变量的个数可以自由选择，通过理论与仿真的分析我们得出，随着伴随变量个数的增加算法的收敛精度不断提高。在实际中，我们可以根据实际工程需求来选择伴随变量个数以同时满足收敛精度和通信成本的要求。因此本算法相比其余Gossip算法实用性更强。接下来本文提出了一种包含数据链路失效和动态节点的非理想网络模型，并从理论上深入分析了在此模型中经典成对Gossip算法和经典广播Gossip算法的收敛性、收敛精度和收敛速率。由于不需要假设各节点是独立同分布被激活的或是数据传输链路是独立同步分布的，所以此结论更具有实际适用性。通过分析与仿真，我们证明了Gossip算法在此联合连通的非理想网络中同样是可以收敛的。另外，本文还得出数据链路失效会降低Gossip算法的收敛速率而动态节点则可以提高Gossip算法的收敛速率。为了进一步揭示本文所提出的算法具有良好的实际应用价值，最后本文分析了此算法在上述非理想网络模型中的性能。考虑到实际传感器节点处理数据的能力较低和无线传输的信道带宽较窄，本文进一步在非理想网络的基础上加上了对数据的量化分析。通过分析与仿真发现，即使加入这些实际应用中可能出现的因素，本算法依旧能够达到收敛状态，且仍旧可以保持良好的需求性能。综上所述，我们认为本文所提算法具有良好的实际应用价值。