无线传感与激励网络(Wireless Sensor and Actuator Network, WSAN)是一种在WSN(Wireless Sensor Network)中引入激励器节点(actuators)而形成的功能更加完善的网络。这种网络通过激励节点之间以及激励节点与传感节点之间的互相协同来完成对网络环境中的信息的感知、处理,并做出相应的反馈行为。在某种意义上,WSAN不仅能够对物理世界的信息进行感知,同时能够做出改变物理世界的行为。由于微电子技术、嵌入式技术及无线通信技术的发展,WSAN中节点的成本、功耗都有所降低,感知和传输能力大大提高,因此应用网络规模也越来越大。与此同时,WSAN的重要支撑技术——节点定位技术也面临基于新的网络特点的新挑战。结合WSAN网络的定位需求,基于对传统定位算法的分析研究,本文重点研究了在静态WSAN中基于半定规划的大规模网络分布式定位算法。首先,简要介绍了WSAN网络架构、节点组成、网络特点以及WSAN定位技术面临的挑战,概述了基于到达时间等几种基础测距技术及三边定位算法等几种经典定位方法。其次,分析研究了传统定位分类方法中集中式和分布式的定位分类标准以及在此两种分类标准下的六种定位经典定位算法,通过原理分析和仿真实验验证了两类算法各自存在的优缺点。然后,讨论了在WSAN网络中有噪和无噪的情况下节点定位的半定规划(Semi-definite Programming, SDP)建模问题,并指出了半定规划的定位结果可能存在高秩性以及中心汇聚问题,据此分析了经典的半定规划求精算法——梯度搜索算法。接着,概括和总结了三类现有的大规模定位算法,并选取了三种分类中的典型算法进行理论分析及仿真比较,讨论了现有的大规模网络定位算法在定位精度、定位时间上受噪声、通信半径以及锚节点分布的影响及变化情况。通过三种算法的比较给出每种算法适用的定位环境。最后,本文研究了一种新的边松弛方法,从不同角度对其在FSDP及SSDP算法中的性能进行了仿真验证。针对大规模WSAN定位问题中,基于SDP的分簇算法中部分簇会出现定位复杂度过高的问题,提出了一种新的基于边松弛的分簇定位算法—EES-Cluster。该算法通过对每一个网络簇子图进行边的松弛预处理,减少了边的数目,在网络分簇数目较少时,能有效降低定位过程的计算复杂度,同时较好地保持较高的定位精度,并减少簇头节点信息融合的功耗。通过仿真验证,EES-Cluster算法能有效降低分簇算法的复杂度,提高大规模WSAN的定位效率。