无线传感网络是一种新型无线网络。在近十几年中，无线传感网络得到了快速发展并广泛应用于国防军事、智慧城市、医疗卫生等领域。目前，研究者对无线传感网络的组网模式、拓扑结构、通信协议等方面展开了研究，其中的关键技术包括：时间同步、数据管理、信息融合和波束成型等。本文对无线传感网络波束成型和时间同步进行了研究。针对无线传感网络中波束成型困难，方向图不易控制的问题，本文提出了基于稀疏贝叶斯学习的无线传感网络波束成型方法。该方法根据无线传感网络的特点将稀疏直线阵优化扩展到稀疏面阵优化中，利用稀疏面阵完成无线传感网络波束成型，减小了无线传感网络波束成型难度。为了保证良好的波束成型方向图，本文将无线传感网络波束成型方向图逼近理想参考方向图，得到稀疏天线阵激励向量的稀疏线性模型；然后，利用稀疏贝叶斯学习方法分析激励向量的先验、拟合激励向量后验，得到激励向量的最大后验估计；最后，利用激励向量的最大后验估计完成无线传感网络波束成型，得到了满意的方向图。实验仿真结果证明了本文方法的可行性和有效性。基于双向时间信息交换机制的无线传感网络时间同步中，不确定时延影响了无线传感网络时间同步精度。针对该问题，本文提出了一种基于DPM（Dirichletprocessmixture，Dirichlet过程混合模型）模型的RB粒子滤波（Rao-Blackwellisedparticlefilter）时间同步算法。本文算法将双向时间信息交换过程等效成马尔可夫动态过程，把不确定时延看作是马尔可夫动态过程的观测噪声，将时间同步的时钟偏差估计问题转化成马尔可夫模型的状态变量估计问题。本文利用DPM模型描述观测噪声分布，利用RB粒子滤波估计出DPM模型参数和状态变量，得到了观测噪声的混合高斯估计和时钟偏差估计。最终，消除时钟偏差，实现时间同步。实验仿真结果证明了本章算法的有效性，与其它时间同步算法相比，本文算法有更高的时间同步精度。