无线传感器网络广泛应用于公共事务场景,如基础设施维护、环境监测和栖息地跟踪等。在此类监视网络中,独立链路的传输可靠性是非常重要的,即在传输中需要具有较高的可靠性来避免错误告警和漏检。无线链路是虚拟存在的,因此我们不能利用直接的方式观察和评估其性能。另外,在野外环境中,故障链路定位十分困难,这是由于链路质量受到自然环境(诸如森林中的树木和海洋中的洋流等)的显著影响。因此,对于无线传感器网路链路故障的检测与定位研究是十分必要的,在具体应用场景之中也具有广泛前景。本文引入针对无线传感器网络故障定位的主动探测框架。该框架的实施步骤分为探测站点选取、探测集合选取与发送以及疑似故障集合的推理。提出一种基于改进遗传算法的探测站点选取策略,用于利用最少站点实现对网络最大程度覆盖,保证了主动探测的高效性,降低用于发送探测造成的网络流量开销。在具体进行探测站点选取的单步操作中,运用遗传算法建立初始种群,通过种群复制、交叉和变异等过程将具有较高环境适应度的基因传递给后代,最后在末代种群中选取环境适应度最高的节点作为探测站点。本文提出构建链路与探测的二层贝叶斯网络模型,通过模型的构建、网络参数的学习、网络的划分、最大后验概率的推理等一系列过程实现对故障链路集合的推理。模型中引入网络噪声的影响,使得探测结果的返回并不完全准确,此时利用历史数据对网络参数(条件转移概率)进行自适应学习,能够有效提高对于链路状态的推理准确性实现对噪声的有效抑制。通过实验对比,贝叶斯网络推理的方式在推理精度、运算速度和能量节省方面都取得了较好的成果,在实际环境中有广泛的应用价值。