随着物联网技术的迅猛发展,作为其支撑技术之一的无线传感器网络受到了国内外学者及研究人员的空前关注。无线传感器网络中的定位技术是其最基本的功能以及关键技术之一,没有位置信息的监测数据往往是没有意义的,所以研究无线传感器网络的定位方法具有很高的理论意义及实际应用价值。无线传感器网络的定位主要分为节点定位和目标定位两个部分,其中节点定位是目标定位的基础,只有在已知网络中节点自身位置的前提下,才能够对网络监测区域内的目标对象进行定位。本文分别对这两个部分进行了深入的研究,主要的研究内容及成果体现在以下几个方面:(1)在节点定位方面,针对室内等复杂环境中障碍物较多容易造成信号非视距(Non-line of sight,NLOS)传播的问题,提出了一种参数已知的NLOS节点定位方法。首先根据不同传播条件下的测量模型以及视距传播概率建立目标函数,通过构造罚函数将有约束的优化问题转换为无约束的优化问题;使用粒子群优化算法估计出未知节点的位置,其中使用最小二乘法估计出的未知节点的位置作为粒子的初始位置,提高了算法的收敛速度以及定位精度。(2)在节点定位方面,针对室内等复杂环境中NLOS误差动态性较强且不易获得的问题,提出了一种基于参数未知的NLOS移动节点定位方法。首先将测量数据进行分组,使用极大似然估计法对移动节点的位置进行初始估计;然后通过残差检验法,对定位结果进行预处理,用以削弱NLOS误差对定位精度的影响;最后使用基于数据融合的Kalman滤波算法对未知移动节点的位置进行估计,以提高定位的精度。该算法无需事先预知NLOS误差的统计模型,无需识别信号的传播条件,大大提高了算法的适用性。(3)在目标定位方面,考虑到无线传感器网络的能量及通信带宽有限,而以往的量化定位方法大都集中在单源定位问题上,提出了一种基于量化信息的多源定位方法。首先针对声音信号的传播特性提出了对数量化策略,并根据量化策略对测量值进行量化处理,然后使用改进的可能性C均值聚类算法对多个声源进行位置估计。该方法能够有效的减少能耗。(4)在目标定位方面,针对某些测量值会影响定位精度的问题,提出了一种基于二元传感器网络探测模型的多源定位方法。首先根据探测模型将小于阈值的测量值舍弃,通过只使用有效的测量值对声源的位置进行估计,可以有效的减少能耗;然后使用模糊C均值聚类算法估算出声源的初始位置以及传感器节点对声源的隶属度,从而将多声源定位问题转化为单声源定位问题,有效的降低了算法的复杂度;最后使用极大似然法对声源的位置进行估计,以提高定位的精度。最后设计了多声源定位系统,并利用该系统验证了所提算法的有效性。本文系统的研究了无线传感器网络中非视距环境下的节点定位方法以及多声源定位方法,对提出的算法进行了仿真实验与分析。通过与其它方法的对比,证明了本文所提方法具有可行性、有效性和先进性。