无线传感器网络技术是目前感知和监测现实环境的重要手段,在各大领域都已经得到了广泛应用。其中节点定位算法作为无线传感器网络节点正常运行的关键支撑技术,具有很高的研究价值和提升空间。在众多节点定位的应用中,基于非测距的定位算法相较于基于测距的定位算法具有低成本、低实现难度的优势,已成为目前研究的重点。DV-Hop定位算法是一种算法流程简单、部署花销不高的经典非测距定位算法,具有不需要硬件辅助,只通过节点间的连通性关系即可实现定位等优势。但是,DV-Hop定位也存在非测距定位算法共有的缺点,也就是具有无法达到很高的定位精度以及对于网络的自适应性也较弱的问题。针对该问题,本文对DV-Hop算法原理进行了详细的误差分析,提出了基于信标筛选的 MSVR-DV-Hop（Multidimensional Support Vector Regression-DV-Hop）算法。提出的基于信标筛选的MSVR-DV-Hop算法主要对经典DV-Hop算法进行了如下三个方面的改进:（1）跳数获取阶段。本文利用定位芯片中普遍嵌入的接收信号强度测量功能,获取RSSI（Received Signal Strength Indication）信息作为定位中的首跳分级细化依据;在泛洪数据帧获取节点间最小跳数时,将经典DV-Hop算法中的整数跳数细分为小数跳数,减少每跳的步长,从而减少由于跳数带来的误差。（2）距离估计阶段。将经典DV-Hop算法计算节点间估计距离的过程与机器学习算法相结合,对于汇聚节点,首先本文采用多维支持向量回归（Multidimensional Support Vector Regression,MSVR）算法构建信标节点间的跳数与距离信息关系模型,得到MSVR最优模型参数,与基于交叉验证思想计算得到的信标节点验证误差一并向网络中广播。（3）坐标计算阶段。本文设计了一种基于信标验证误差和距离的信标节点筛选机制。未知节点通过接收到的节点信息评估其中的信标节点信息的可靠程度,并将准确度低的信标节点标记为不可用节点,在计算自身估计坐标的过程中不再考虑这些高误差节点。通过加权最小二乘法求解未知节点的估计坐标,在提高定位精度的同时避免在未知节点坐标计算中引入过多的计算量,节约网络的总体能耗。本文首先在二维场景下,对基于信标筛选的MSVR-DV-Hop算法进行了仿真实验和结果分析。然后,对该算法进行了三维场景下的维度扩展,并作出了适应性改进和多拓扑场景仿真。分析表明,本文提出的算法在二维场景和三维场景下的定位精度相较于其他几种对比算法均有明显提升,且在不同的各向异性场景下定位误差波动较为稳定,具有较好的自适应性和准确度。文中提出的信标筛选机制在节点稀疏、分布复杂的场景下得到了一定的精度提升。二维场景下定位误差相比于经典DV-Hop算法最少降低34%,相比于 LMSVR（Localization Based on Multidimensional Support Vector Regression）算法最少降低28%。三维场景下定位误差相比于经典三维DV-Hop算法最少降低56%,相比于LMSVR算法最少降低12%。