无线传感器网络是一种分布式传感网络,通过感知和检查外部世界的传感器,形成一个多跳自组织网络,它依赖于节点之间的信号传输实现节点与节点之间的信息交换。无线传感器网络在军事应用、智能交通、医疗健康和环境监测等方面具有广阔的应用前景,而精确的节点定位是无线传感器网络提供位置服务应用的前提。基于测距的定位需要测量节点之间的距离,利用该距离来确定未知节点的位置。常用的测距方法有接收信号强度指示、到达时间、到达时间差和到达角。RSSI测距方法简单,不需要额外的硬件设备,成本低,算法上很容易实现,在测距领域内得到广泛的研究和应用,因此重点研究了基于RSSI的测距算法。首先对无线传感器网络中的测距算法进行了探讨,并简要分析了各算法的优缺点。针对RSSI测距算法进行了重点研究,提出了一种基于卷积神经网络的测距算法。为了减小复杂测距环境下,由多径效应、非视距传输等因素造成的RSSI信号波动,通过多次测量RSSI信号来构建RSSI样本数据,接着将RSSI样本数据集作为输入训练卷积神经网络,并通过该网络对实时捕获的RSSI信号进行特征提取,从而估计节点之间的距离。仿真结果表明,基于CNN的测距算法能有效提高测距精度。非视距传播是测距估计的主要误差来源之一。为了减少测距误差,非视距鉴别需要知道信道环境,鉴于此提出了一种基于CNN的信道环境的分类算法,利用卷积神经网络模型实现对信道环境的分类。最后设计了一个基于RSSI的测距平台,该平台包括硬件系统和软件系统两部分。硬件系统实现RSSI数据的采集,建立数据集合,软件系统对RSSI数据进行处理,得到估计的距离值。