无线传感器网络是21世纪最重要的技术之一,能够广泛的应用在智能交通、军事国防、环境监测、医疗卫生、空间探索等许多领域。节点定位技术作为无线传感器网络的关键支撑技术之一引起了国内外学者的广泛关注。本文研究了三种利用连通信息的非测距定位算法：相关向量机定位算法、稀疏表达分类定位算法和多日冕分割定位算法。相关向量机定位算法是一种针对现有支持向量机定位算法的改进算法；稀疏表达分类定位算法是最近流行的压缩传感原理与机器学习相结合产生的新型算法；多日冕分割定位算法则利用日冕分割思想达到了一个更高的定位精度。本文的主要内容如下：(1)介绍了支持向量机定位算法的定位原理,并且针对支持向量机定位算法中支持向量机在处理定位信息冗余度过大的情况,提出了基于相关向量机的相关向量机定位算法。由于相关向量机本身是利用了贝叶斯框架构建学习机,可以有效降低定位信息的冗余度。并且相关向量机无需对参数进行设置,使算法本身可以更好的适应不断变化的网络。(2)提出了基于压缩传感原理的稀疏表达分类定位算法。稀疏表达分类定位算法与支持向量机定位算法类似,都是基于机器学习进行分类的思想。不同之处在于,利用稀疏表达分类定位算法可以在定位信息被处理前,主动地对定位信息进行压缩,而不是像相关向量机定位算和支持向量机定位算法那样只有对定位信息处理后,才能知道哪些信息是冗余的。(3)提出了基于圆环分割思想的多日冕分割定位算法。与之前利用不同发射功率进行圆环分割的同心圆锚节点定位算法不同,多日冕分割定位算法在对区域进行圆环分割时只需要锚节点的最短跳数。相对于同心圆锚节点定位算法,多日冕分割定位算法的定位精度也有所提高。仿真实验也证明了在大规模高密度的网络中,多日冕分割定位算法对支持向量机定位算法等当前主流定位算法都具有较大的优势。