无线传感器网络(Wireless Sensor Network,WSN)是由大量具有感知、计算、无线通信能力的传感器节点组成的分布式自组织网络,它已被广泛应用于环境监测、安全监控、健康护理等领域。伴随着对无线传感器网络研究的深入开展,其特点和优势日益显著,应用也越来越广泛,作为关键技术之一的定位技术也受到极大地关注和重视。节点位置信息常常是实现无线传感器网络众多应用的前提,其精度是无线传感器网络的关键性能指标之一,因此节点定位技术在无线传感器网络中占有重要的地位。“低耗自组”是WSN的基本特征,通过全部节点加装GPS实现定位显然行不通,此外GPS仅适用于室外无遮挡条件下,因此只能在部分节点上安装GPS,对于其他节点而言,其位置则需通过一定的算法估计出来。经过多年的发展,多种节点定位方法被提出,并且在一定场景下取得较好的效果。然而与众多关键技术一样,节点定位技术仍然存在诸多技术难题亟待解决。这是由于节点定位技术存在一些瓶颈,如：1)监测区域环境复杂,受环境、障碍物、攻击等因素的影响,造成测量精度的相当不稳定；2)由于节点部署常是随机的,当用于位置估计的信标节点近似于同一直线或者近似于同一平面,会带来无法估计未知节点的问题；3)由于监测区域常较广,节点通信半径有限加上信标节点随机部署使得某些未知节点难以获得足够数量信标节点用于位置估计,造成定位算法的覆盖率不高；4)传统定位机制总是通过近邻的信标节点利用三边法或多边法进行位置估计,在信标节点与未知节点距离较远时,测量误差随之增大,最终造成较大估计误差。基于此,本文主要对针对上述诸问题展开了深入的研究。本文的主要研究内容和创新点主要包括以下几个方面：1.在分析测距噪声特征的基础上,提出了一种基于中位数加权的测距定位算法。算法充分利用每次测量数据,在中位数的基础上,通过赋予不同测量数据相应的权值,以达到减少粗差的影响并能平滑测量数据中的随机误差。2.针对用于位置估计的信标节点间近似于同一直线或者近似于同一平面所造成计算中的多重共线性问题,提出了两种解决方案,即基于定位单元几何分定位算法和基于多元分析方法的定位算法。基于定位单元几何分定位算法分析了用于位置估计的定位单元拓扑质量,并在此基础上给出了量化标准；基于多元分析方法的定位算法则用多元分析方法对位置估计过程中的信标节点坐标矩阵进行筛选和综合。两种方法都能避免多重共线性所造成的估计精度低和不稳定问题。3.针对某些场景覆盖率不高的问题,通过降维的多元分析方法消除多重共线性问题的影响,并在此基础上利用一种可行加权最小二乘方法解决实际环境下误差累积所产生的异方差问题。由于采用降维的多元分析方法不仅能消除多重共线性的影响同时可以降噪；计算过程中采用实际计算中的残差作为加权最小二乘的权值,使得算法更符合实际部署情况,获得定位精度更高。4.针对传统三边或多边估计定位方法对信标节点比例和测量精度依赖性较高的问题,提出了基于核稀疏保持投影(KSPP)算法。方法利用核函数来衡量节点间的相似度,通过稀疏保持自适应的选择和保持邻居节点间的拓扑结构,使得未知节点的位置由通信半径内所有节点共同决定。因此,算法能有效的解决测距中非线性问题,且受测量误差和信标节点数量影响小。