移动机器人具有与环境主动交互的功能,在许多场合能够替代人类自动执行某些危险性任务,因此被广泛应用到灾难救援环境中。但由于灾难现场信息采集的缺失,移动机器人的精确定位及环境地图构建成为制约其应用与发展的难题。无线传感器网络(Wireless Sensor Network,WSN)作为一种新的信息获取与处理技术,可以作为移动机器人定位与地图构建的良好技术载体。因此,无线传感器网络与移动机器人结合的领域,已成为当前国际上备受关注的研究热点。本文结合无线传感器网络,对移动机器人定位和SLAM(Simultaneous Localization and Mapping,SLAM)技术进行研究。针对移动机器人采用航迹推算定位算法存在误差累积,导致机器人定位精度下降的问题,本文提出基于信息融合的移动机器人定位算法,采用扩展卡尔曼滤波算法融合机器人航迹推算信息和无线传感器网络的距离测量信息,通过WSN节点的距离测量信息对移动机器人的航迹推算累积误差做出相应修正。通过仿真实验证明,本文提出的EKF信息融合定位算法可有效削弱累积误差对定位结果的影响,定位精度明显高于航迹推算定位。针对笛卡尔坐标系下(Extended Kalman Filter,EKF)融合定位算法存在的限制和缺陷,本文建立混合坐标系下移动机器人的运动与观测模型,提出基于混合坐标系的EKF融合定位改进算法,利用动态加权平均算法对测量方差进行实时更新,最终调节系统定位误差。通过移动机器人位置跟踪与全局定位两个仿真实验表明,基于混合坐标系的EKF信息融合改进定位算法,能够克服传统EKF信息融合定位算法的缺陷和和限制。并且具有定位精度高、鲁棒性强的特点。针对WSN节点位置未知时,本文基于Range-Only SLAM技术解决WSN中移动机器人的SALM问题,在传统EKFSLAM算法的基础上,提出基于混合坐标系下EKFSLAM算法,可以更准确的估计移动机器人运动的不确定性。实验结果证明,本文提出的基于混合坐标的EKFSLAM算法,对同时定位移动机器人和WSN节点的位置具有较高的精度,将本文提出的算法与激光雷达测量数据结合可以准确的构建环境地图。此外,本文搭建了WSN-移动机器人定位实验系统,该系统由UP-voyagerll移动机器人平台、无线传感器网络节点、数据采集控制软件组成。基于定位实验系统采集的测试数据,本文针对所提出的算法开展了相应的仿真实验,并结合实验结果验证了算法的合理性与有效性。