无线传感器网络(Wireless Sensor Networks, WSN)是当今极具潜力和影响力的关键技术之一。它集成了无线通信技术、传感器技术、微机电系统技术和分布式信息处理等技术,将逻辑上的信息世界与客观上的物理世界融合在一起,改变了人类与自然界的交互方式,在民用和军事等许多领域具有很高的应用价值。由于无线传感器网络的特殊应用背景以及自身特点等因素使得WSN的维护工作十分困难甚至不可维护。这就需要在WSN节点部署在应用环境之前将节点状态和网络性能达到尽可能优化,那么就需要对节点进行测试、对网络可靠性进行分析,通过对测试或分析结果的评估修改节点或网络某些参数使其性能达到最优。因此,对无线传感器网节点和网络的测试和性能分析方面的研究工作对于无线传感器网络的广泛应用具有重要的科学意义。另外,作为一种分布式计算平台,WSN节点极易受到各种干扰因素影响而发生故障。当单个关键节点或某个区域节点故障失效时,将导致其周围某一定范围内的节点全部都无法正常工作,还会造成连通被割断和网络覆盖的漏洞的问题,这将大大降低传感器节点的可靠性,削弱或失效WSN预定功能。为了避免故障由节点级上升到网络级,必须对节点故障进行有效地检测、诊断原因并进行故障的预测,才能有效地给出修复方案,保证网络的可靠运行。所以,及时地对网络各种异常状态做出诊断,寻找合理的容错控制方案,指导网络正常运行,对提高WSN的可靠性和鲁棒性具有重要的意义。为了有效地延长WSN的使用寿命,有效地利用WSN的各种资源,对WSN进行性能测试与可靠性分析并且及时、准确的故障诊断,确保WSN信息传递的高可靠性,可以在上位计算机或中心管理节点上进行有效的路由规划和节点管理,对WSN及其节点进行远程维护。本文围绕无线传感器网络性能测试与智能故障诊断技术作了深入研究,在国内外相关研究成果的基础上,围绕WSN性能测试与智能故障诊断两大确保WSN高可靠性的重要技术提出了几种新的、有效的解决方案,论文主要作了以下几方面的工作。在WSN性能测试与可靠性分析方面,本文提出了FIPES,一种新的故障注入评测无线传感器网络及其可靠性方法。首先介绍了FIPES的基本结构；然后从注入故障、故障分析和可靠性评估三方面阐述了这种WSN性能测试方法；最后对FIPES进行了各项测试。实验表明,FIPES可以有效地向WSN注入各种故障并评估其性能,在测试WSN可靠性方面有很高的应用价值,为WSN测试及可靠性验证研究领域注入了一种新的方法。在WSN智能故障诊断方面,本文对WSN故障进行了故障层次结构和特点分析,得出WSN故障的检测与诊断策略。并有效地利用粗糙集理论(Rough Sets, RS)在剔除冗余属性方面的优势,充分结合改进RBF神经网络在并行计算和克服噪声干扰方面的功能,提出将粗糙集理论与改进RBF算法集成(简称RSRBF),来解决能量有限而又具有显著不确定性的WSN节点在线智能故障诊断问题。具体方法是：首先利用粗糙集理论进行故障诊断决策表的约简,然后用约简后的数据训练神经网络,最后用训练后的改进RBF神经网络对WSN节点故障进行诊断。在粗糙集理论约简算法中,本文提出了改进的归纳属性约简算法,提高了计算效率。本文提出的RSRBF集成故障诊断算法揭示了WSN节点故障特征信息的内在冗余性,能准确快速地解决WSN节点的在线故障诊断问题。在获得的信息不完整或部分信息有误的情况下,也能给出WSN节点的合理故障诊断。与常规RBF神经网络的诊断相比较,在故障特征数据可靠性降低时,愈加突显出本文算法在诊断准确率方面的优势。通过大量的仿真实验表明,本文提出的算法诊断准确率高、通信代价小和能量消耗低,并提高了故障诊断的鲁棒性,增强了能量有限的WSN的实用性。这些研究成果对于提高我国无线传感器网络研究开发水平和促进无线传感器网络大规模应用具有重要意义。