无线传感器网络目前在各种信息感知领域内具有十分广阔的应用前景。而位置信息在信息感知中具有举足轻重的地位。由于室内环境GPS失效,通常导致室内无线传感器网络应用中,经典的节点定位算法的使用存在问题。本文针对上述问题,提出一种基于自定位四旋翼无人机的WSN节点定位策略,同时保证了定位效率以及精度。为了在没有传统锚节点进行WSN节点定位的环境中获取节点的位置信息,本文首先采用线性自定位(Linear Auto Localization, LAL)算法进行未知节点间距离的计算,针对RSSI测距误差较大的问题,提出将测距数据进行分组并通过数据平滑的手段进行预处理的方法,以降低距离测量误差及采样频率,保证LAL算法的有效性以及计算精度。大量仿真实验表明改进后的LAL算法较好地控制了误差的传递,为后续的精细定位工作奠定了基础。针对本文提出的基于四旋翼无人机的无线传感器网络节点定位问题,提出一种面向定位精度优化的无人机航迹规划方法,很好的控制了无人机的飞行成本并保证了未知节点的定位精度。该方法基于Voronoi图和几何精度因子分析获取的优化航迹点,通过遗传算法求解TSP问题获得无人机的最终航迹。通过仿真实验,对比两种常用的目标区域遍历航迹,证明了本文提出的方法不论在无人机的飞行成本方面还是在未知节点的定位精度方面均具有一定的优势。针对未知节点精准定位的问题,本文采用解决非线性目标跟踪问题的思路,引入无迹卡尔曼滤波(Unscented Kalman Filter, UKF)算法,并设计出极大似然(Maximum Likelihood, ML)-UKF两步定位算法。利用四旋翼无人机机载移动锚节点进行RSSI测距的极大似然估计位置信息作为初始状态,利用UKF进行迭代滤波,最终获取未知节点的精确定位结果。通过大量仿真实验,证明了本文提出的极大似然-UKF算法具有良好的定位精度及算法普适性的优点。本文针对室内环境无法采用GPS获取锚节点有效位置信息的问题,提出了一种基于四旋翼无人机的WSN节点定位机制。采用LAL算法对未知节点间的距离进行估计,利用对GDOP值的分析获取面向定位精度优化的无人机航迹,最终利用ML-UKF对未知节点进行精确定位。仿真结果表明该方法可行有效,并很好地保证了节点定位精度。