无线传感器网络(WSN：Wireless Sensor Network)正成为信息获取的一种新兴手段，而节点自定位技术是其中的一个重要分支。网络节点采集的数据往往需要确定的位置信息才有意义，对目标进行追踪需要预知节点位置，另外，许多网络路由机制，网络拓扑管理也是以预知节点位置信息为基础的。因此，确定节点位置是WSN最基本的功能之一，对WSN应用的有效性起着关键的作用。本文首先阐述了WSN中的定位问题，包括定位算法的基本原理，测量技术以及分类等。在此基础上，讨论了具有代表性算法的原理及其特点，并着重对基于距离的定位算法做了深入分析，定量地比较了它们的性能。针对Malguki算法随机性强，需要多次定位取最优值的特点，本文将MDS-MAP算法与Malguki算法结合提出了一种改进算法Malguki-MDS，并在定位精度和运算量两方面对其进行了仿真分析。仿真实验表明：在定位精度方面，无论误差如何,Malguki-MDS的定位精度远远高于原Malguki算法；当测距误差大于10％时，Malguki-MDS的定位精度高于MDS-MAP。在运算量方面，Malguki-MDS的运算量是原Malguki算法的30％左右，与MDS-MAP算法相当。本文的另一个研究工作是在分析遗传算法(GA：genetic algorithm)基本原理的基础上，尝试将其应用于WSN节点自定位，并建立了相应的数学模型。本文采用实数编码方法，选择合适的遗传操作算子，以MATLAB为仿真平台，统计分析了各参数对算法性能的影响，并将其与已有的五种基于距离的定位算法进行了比较。仿真结果表明，GA算法的定位精度次于CMA-MDS，优于Malguki，LMS和CMA，当锚节点数较多或测距误差较大时，GA算法比MDS-MAP算法定位精度高。在运算量方面，GA算法与Malguki相当，高于MDS-MAP和LMS，低于CMA；当定位误差较大或锚节点数较少时，GA算法的运算量低于CMA-MDS。所以，GA算法适用于锚节点数较多，测距误差较大，定位精度要求不是特别高的情形。另外，由于GA算法的运算量大，只适用于集中式定位。