无线传感器网络是由大量具有感知能力、计算能力和通信能力的传感器节点组成的自组织网络，它将逻辑上的信息世界和现实中的物理世界有机地融合在一起，在众多民用和军事领域都有广泛的应用。在无线传感器网络应用中，传感器节点的位置信息在整个网络的生命期内都至关重要。设计高效率、高精度、低能耗的节点定位算法，一直都是无线传感器网络研究的一个热点问题。本论文针对当前一些重要的无线传感器网络节点定位算法在实际应用中存在的问题，以降维算法为主要研究手段，以减小定位误差、增强定位算法的实用性为主要目标，从锚节点比例、传感器节点通信距离、网络节点密度、传感器节点测距误差及定位精度等方面对节点定位技术进行了深入的研究。结合矩阵分析、主流形学习算法和最大似然估计算法，提出了三种具有理论和实用价值的新型定位算法；并在此基础上，将无线传感器网络与传统视频监控系统有机结合，实现了一种多目标智能跟踪视频系统。论文的主要研究内容和创新点概括如下：1.对无线传感器网络节点定位算法的相关研究进行了综述，并从锚节点比例、网络节点密度、传感器节点通信距离、节点测距误差、定位精度等角度，对现有定位算法进行了综合分析，归纳了现有定位算法在实际应用中的不足及尚待解决的问题。2.鉴于在无线传感器网络中常采用的集中式多维定位算法MDS-MAP(Multi-DimensionalScaling-MAP)在定位精度和计算复杂度方面存在不足，提出了一种基于统计不相关矢量集(SUV)的新型节点定位算法，即SUV定位算法。该算法通过平移节点坐标系来简化双中心化坐标矩阵的求解，得到坐标内积矩阵；再利用统计不相关矢量集重新构造坐标内积矩阵，去除测距误差引起的坐标内积矩阵的相关性，从而降低测距误差对后续定位精度的影响。SUV定位算法可实现节点的集中式定位、分布式定位和节点的递增定位。3.通过研究邻近节点间的拓扑结构，结合主流形学习算法的思想，提出了一种局部子空间组合(LSA)定位算法。在大范围、低密度的无线传感器网络环境中，节点之间的连通度比较低，远距离节点的测距误差比较大，导致定位比较困难；而LSA定位算法特别适合应用于部署范围大、节点密度低的无线传感器网络。该定位算法先将每一个节点及其邻居节点组成一个局部子空间，再将所有的局部子空间组合得到全局结构，最终通过全局结构及参考节点信息，利用最小二乘法映射出网络中所有节点的绝对坐标。4.针对无线传感器网络在复杂环境中测距误差通常比较大的实际情况，通过对节点坐标内积矩阵的观测，发现坐标内积矩阵元素会随测距误差的变化而在一定区间内发生波动，由此结合最大似然估计算法，提出了一种基于坐标内积矩阵的最大似然估计算法，用来在测距误差较大的复杂环境中估计传感器节点的绝对位置。首先使用测地距离计算节点之间的测量距离，并以距离矩阵表示网络的拓扑结构，然后将距离矩阵转换为节点的坐标内积矩阵，对坐标内积矩阵进行最大似然估计，最终得到网络中所有节点的绝对坐标。5.鉴于无线传感器网络在事件监测方面的优势，以及传统视频监控系统存在的不够智能的缺点，将两个系统进行有机结合，实现了一套智能的室内多目标跟踪定位系统，可有效地实现监控区域内的目标探测、定位和跟踪。此系统融合了无线传感器网络和以太网技术，并设计了路由算法来解决室内环境中无线信号易被建筑物(如墙壁等)严重削弱的问题，从而实现在一栋建筑物的不同房间、不同楼层内均可进行连续的定位和跟踪。由于房间和走廊的布局模式上存在不同，该系统还针对这两种情况，分别使用了分布式SUV定位及最小邻距离定位两种机制。最后，由于在室内环境中无线信号易受到噪声的影响，还设计了一种滤波算法来减小噪声和信号突变对接收信号强度指示(RSSI)值的干扰，提高了定位精度。