无线自组织传感器网络是一种集成了微型机电子系统,整体系统级别芯片数字电路,各种高精度的无线电信号发射,接收,传输的传感器的高度独立工作的信息网络。无线自组织传感器网络最初源于自然科学研究相关的专用小型移动网络,通过部署于广袤的自然界,用以实现实时观测和相关的数据收集,如森林防火检测,动植物生长检测,大气监测等。如今,传感器网络已经广泛应用在其他领域,如物流网络,车辆网络,无人机网络,服务工业与农牧业,智能家居等各行各业中。可以预见的是,无论是在民用,军用,或者是其他的无人值守等传统或新型的行业中,无线自组织传感器网络都将逐渐取代人工而发挥着越来越重要的作用。伴随着无线自组织传感器网络学科的逐年快速发展和创新,近些年来这门学科技术也开始细分化出许多相关的专业以及各类分支学科。然而在进行无线传感器网络的深度研究之前,首先且必须要解决的就是传感器网络的定位问题,只有当传感器网络的定位问题解决了,整体的网络拓补图才能得以构建,接下来才能分析网络实际规划,布局,节点间通信,能耗,等其他问题。因此本论文通过参考现有的大量有关于传感器网络的研究成果,以及最新的海内外研究进展和方向,将研究重点着眼于整个网络中的节点之间的自定位算法上,通过对传统定位算法的总结以及比较,提出了一种弥补钟差后的定位模型,通过理论推导和实验证明,验证了本论文模型的正确性和可行性。从行文结构上,本文首先给出了无线传感器网络的相关介绍,然后简要的说明了这门学科技术的研究与发展历程,之后给出了TOA测量方法,TDOA测量方法以及AOA测量等相关概述,然后分析了上述测量方式所存在的相关问题。论文随后介绍了目前常用的定位算法,包括经典的传统线性的,或者可以用于非线性环境下的扩展的卡尔曼滤波算法,以及近些年来兴起的一种新型的多维尺度定位方法。接下来,论文给出了普通的时钟模型,进行节点之间相应的时间矫正和节点时间同步,通过估算出TOA测量值的时钟偏移和时钟偏斜,在此基础上进行相关时钟矫正和时钟同步从而得到更加精确的TOA测量值。通过将节点的时钟模型和节点对之间的运动模型结合到一起,给出了一种新的更加精确的测量模型。同时推导出了在此模型下的卡尔曼滤波的方程式,并推导出了非线性条件下更加简单易行的另一种线性化方式。同时还将上述测量模型应用于多维尺度算法中,通过对上述测量信息进行解算,得到相应的传感器网络的节点之间的相对位置,然后进行平移及旋转,将算法中估计的相对定位估计转为网络节点的绝对定位估计信息。同时,本文还使用了在TOA测量信息不全的情况下（即弱相关性网络）的位置估算方法,通过公共节点的匹配方法,有效的提高了在节点对信息不全的情况下的相对定位精度。论文后面还通过MATLAB软件进行相关的仿真实验,实现了本论文算法的相关定位系统的实验搭建,实验结果表明,在高速移动条件下的节点相对定位问题中,论文中的算法相较于已有的GLS算法等具有更加良好和稳定的性质,同时另一方面也同时论证了本论文钟差矫正的正确性和必要性。