无线传感器网络(WSN)是由大量部署在监测区域内的微型传感器节点通过无线通信方式组成的一个多跳、自组织的网络。随着微电子技术和通信技术的不断发展,WSN已广泛应用于国防军事、医疗健康、交通管理、环境监测以及工业制造等领域。然而在实际应用中,传感器节点的性能往往存在着一些约束:一方面,为了节省硬件成本,传感器节点通常采用相对便宜的芯片,从而限制了节点的计算与通信能力;另一方面,节点常被部署在相对恶劣和复杂的环境中,自然因素和电磁干扰会影响节点的性能。这使得节点在运行过程中极易出现故障,故障节点不仅会感测到错误的数据,还会中断网络间的通信,从而导致系统决策失误。因此,为了提高数据质量、加强网络安全、延长网络寿命,WSN的故障诊断已成为WSN领域的一个重要研究课题。本文深入研究了 WSN的故障诊断算法,主要工作如下:(1)提出了一种基于邻居代表节点的并行局部诊断算法。在大规模WSN中,全局诊断算法需要获取网络中所有节点的信息,造成大量不必要的测试,过度消耗节点能量。针对这一问题,本文提出了一种基于邻居代表节点的局部诊断算法。该算法并行地执行诊断测试,减少诊断时间的同时,避免了节点间的信号碰撞。(2)提出了一种双重分簇算法。本文研究了近年来基于WSN的分簇算法,然而这些算法并没有同时考虑节点的感测值和地理位置。双重分簇算法把节点感测值相似且地理位置较近的节点划分到同一个簇中,并且适用于同时监测多维感测值的节点,使得分簇结果更为合理,从而提高了网络的诊断性能。(3)提出了一种基于节点可靠度模型的故障诊断算法。传统的故障诊断算法片面地追求故障诊断的精度,却忽视了节点参与诊断的代价。本文基于节点的历史诊断结果与其剩余能量,设计了一种节点的可靠度模型。该算法挑选最近被诊断为无故障且剩余能量较多的节点参与诊断。实验结果表明,该算法不仅能够提高诊断的正确率、降低虚警率,而且可以减少节点的能量消耗,从而延长网络寿命。