无线传感器网络(Wireless Sensor Networks,WSN)节点定位技术是无线传感器网络应用的基础和关键技术之一,其中室内定位作为无线传感器网络定位的一个应用场合,对人们生活、生产等具有重大意义。线性调频扩频(Chirp Spread Spectrum,CSS)技术具有较高的抗干扰能力和较长的传播距离,因此适合作为室内环境下的无线传感器节点定位技术。本文主要研究了基于CSS的节点定位技术,针对室内定位环境中存在的各种复杂条件的干扰,对CSS定位技术进行研究和优化。基于CSS的节点定位技术是一种基于测距的定位技术,采用到达时间(Time of Arrival,TOA)进行测距。本文探讨了基于CSS的测距技术在室内环境下所面临的问题及误差的来源,针对测距所面临的问题采用了改进的卡尔曼滤波器和测量冗余量接收信号强度指示值(Received Signal Strength Indicator,RSSI)对CSS测距进行优化。实验证明本文的方法可以有效的提高测距的精度,抑制室内环境下的测距误差。基于测距的节点定位算法有很多,本文研究了几种常见的基于测距的节点定位算法,在传统的最小二乘估计(Least Square Estimation,LSE)定位算法的基础上加入了卡尔曼滤波对定位结果进行平滑,并对卡尔曼滤波估计算法中的状态噪声方差阵和量测噪声方差阵的更新进行改进,最终应用到室内节点定位中。通过实验验证了本文算法在室内环境下的节点定位中具有较高的定位精度。针对室内环境下的节点定位,本文设计了一套基于CSS的室内定位系统,利用TOA的测量值作为指纹数据,通过计算获得定位指纹库,并利用改进的LSE算法实现精确的坐标级定位,提高了定位的精度和定位的效率。最后通过实验验证了算法的可行性。