通常软件测试中大部分工作是耗时耗力,其中最代价最高的是错误的定位,而在错误定位上的技术改进能降低测试的工作负荷。目前程序错误定位的方法主要包含基于程序动静态切片,基于程序频谱的语句分析方法等。动态切片由于可以通过分析目标行变量在测试运行过程中的依赖关系,去除不影响目标行变量结果的语句,将关注点转移到相关程序语句以减少考察范围。而基于频谱的软件错误方法（SFL）源于聚类分析中的相似一致性原理,相似性系数根据动态测试结果和从测试中得到的不同的频谱信息计算。通常,SFL方法忽略语句被执行但不影响切片结果的因素,计算结果仍把与切片结果无关的语句加入怀疑度的计算中;另一种情况某些语句多次被执行,但频谱统计仅记录是或否的结果,这些因素都导致定位效果的偏差。对此问题,本文提出了一种基于程序切片的覆盖频度统计（FLSF）的计算方法。首先统计每行语句的在每个测试用例下的执行频度,然后以前向计算的方法得到各个测试条件下的动态切片,随后得到与兴趣点相关的切片结果集,即影响兴趣点变量的控制依赖和数据依赖语句,对应的测试案例下执行路径中的语句如果包含在切片结果集中,则保留它的频度值,如果不包含则置为0,实验结果表明该方法能提高程序错误定位的效率。本文的主要工作具体如下:（1）程序切片包含静态切片和动态切片,静态切片涉及所有可能的程序执行,而动态切片只计算在某个特定输入下影响变量值的语句,因此切片更小。常用的动态切片计算方法包含基于前向分析和后向分析。基于后向计算的程序切片需要对记录程序的执行路径进行跟踪,计算空间复杂度较大。另一方面,对于前向计算的方法,当程序执行时,所有程序变量最近的动态切片被计算和保留,因此只需计算执行到当前的程序语句切片,而无需对执行路径进行回溯。本文详细叙述了前向切片算法的原理和实现过程,并根据当前的前向动态算法可能造成冗余的情况做改进。（2）语句频谱错误定位方法（SFL）只关注在语句覆盖信息,但没有应用可能影响语句定位结果的执行频度因素,可能导致对某些语句错误可能性的估计。语句频度错误定位方法（FLSF）则对每个语句的语句频率进行统计,并通过将每个语句频率的值标准化为[0,1)以符合错误怀疑度计算条件。本文根据FLSF和动态切片的特点,提出一种将FLSF和前向动态切片相结合定位错误的方法,主要为去除执行路径中程序语句的不相关子集,将语句频度矩阵中无关语句频度值置0,然后计算可疑度值,并本文方法错误定位的有效性以及稳定性与SFL,FLSF相比较。（3）为验证基于动态切片的FLSF方法的有效性,在SIEMENS SUITE下进行实验,选取套件下的单错误版本,对SFL,FLSF和基于动态切片的FLSF方法下的错误查找代价在应用不同怀疑度计算方法下进行比较;其次,本文选择tcas程序的34个版本分别对本文方法以及其他几种定位方法下,统计检查不同比例的代码所能定位到的错误比例,结果表明本文提出的方法（基于动态切片的FLSF方法）定位效果更具优势。