در این پایان نامه روشی برای آشکارسازی مطمئن حالت های غیر نرمال شبکه های حسگر بی سیم با استفاده از مدل مخفی مارکوف ارائه شده است. حالت های غیر نرمال بنا به تعریف شامل تمامی الگوهایی از رفتار سیستم می باشند که با هیچ یک از حالت های نرمال سیستم مطابقت ندارند. حالت های غیرنرمال شبکه های حسگربی سیم در این تحقیق به پنج دسته سقوط، مقدار، زمان بندی، حذف و خودسرانه تقسیم شده اند. تشخیص نوع حالت های غیرنرمال با استفاده از مدل مخفی مارکوف برروی یک شبکه حسگر کوچک بی سیم شبیه سازی شده در محیط matlab، ارزیابی شده است. برای این منظور شبکه حسگر بی سیم بصورت سلسله مراتبی مدلسازی شده، تمامی عیوب ممکن برای شبکه دسته بندی و یک پایگاه دانش مناسب برای عیب یابی شبکه از حالت غیرنرمال طراحی شده است. قوانین موجود در پایگاه دانش با توجه به استدلال backward-chaining سیستم های خبره مبتنی بر قوانین از آن استخراج شدند. در روش عیب یابی پیشنهادی از مدل های مخفی مارکوف گسسته به منظور بالا رفتن قابلیت اطمینان استفاده گشته است. این مدل نوع حالت غیرنرمال را شناسایی نموده و با توجه به قوانین استخراج شده، محدوده جست و جو برای یافتن منبع عیب کاهش یافته است. درنتیجه این کار مصرف انرژی در شبکه حسگر بی سیم نسبت به سایر روش های عیب یابی، کاهش و طول عمر آن افزایش یافته است.