为了方便快捷的采集物理环境中的有效信息,无线传感器网络(Wireless Sensor Networks, WSNs)已被人们广泛地应用于生产生活的各个方面,如环境监测、工业和农业控制以及国防军事等领域。但是由于技术的限制,无线传感器网络本身存在很多的弱点,在应用过程中很容易受到环境中非确定性因素的干扰(如电磁干扰,物理碰撞等),特别是对于造价低廉无线传感器节点,它们在受到干扰后所采集的数据很难反映环境中的真实情况,因而这些节点的可信度会随之降低。为了保障整个系统的有效运行,在后期的维护过程中就要修复这些可信度较低的传感器节点,但修复之前我们需要通过对传感器网络的可信性评估来找出这些非正常的节点。通过调研发现,针对无线传感器网络的可信性问题,研究人员目前已经提出了相关的研究方案,虽然这些方案在一定程度上可以帮助我们对传感器网络的可信性进行研究,但它们也存在很多不足之处,首先这些方案主要通过分析节点间的通信以及节点本身的行为表现来进行评估,但这需要传输大量有关网络与节点的状态信息,因此容易造成网络通信过载；其次,当前研究方案的程序运行需要由传感器节点本身来完成,因此会消耗节点大量的能量和存储资源；另外,目前的研究工作很难对可信度较低的传感器节点进行准确定位,给后期的维护工作带来一定困难。针对以上几点,本文对多维数据环境下传感器网络的可信性问题进行了研究并设计了有效的度量方案和算法,具体如下：(1)针对能够采集环境中多维数据的传感器节点,本文提出了一种基于D-S证据理论的可信性度量方案,该方案可运行于传感器网络中的某一个基站,其将节点不同维度上的数据看作反映其可信性的不同属性,通过评估这些属性的可信程度并融合所得到的评估结果来获取有关节点可信度值的上、下界。该方案主要基于传感器节点所上报的环境数据,无需通过网络传输额外的状态信息,同时算法的具体实现过程无需节点参与,从而可以有效避免网络通信过载并节省节点的能量和存储资源。(2)在复杂的部署环境中,传感器节点的低可信度一方面是由自身问题所导致,另一方面是受环境中某些区域性因素的干扰。针对后者,我们需要采取对应的措施来消除这些因素,而不是仅仅修复单个节点,但在这之前要能够指出这种因素是否存在。针对该问题,本文提出了基于D-S证据理论的区域环境可信性度量方案,该方案通过融合某区域内不同传感器节点所提供的证据来得到该区域的可信性度量值。其实现不仅不需要消耗传感器网络额外的能量和存储资源,同时也能让工作人员在后期的维护过程中判断环境中是否存在区域性的干扰因素,从而有针对性的采取措施。另外,我们基于真实的环境数据对本文所提出的可信性评估方案和算法进行了实验仿真。通过实验我们发现该方案可以有效地给出传感器节点在受到不同程度干扰时的可信性度量值,同时相关算法的鲁棒性和稳定性也得到了有效地验证。