为了解决复杂环境下无线传感器网络（Wireless Sensor Network, WSN）定位技术定位精度和计算量难以兼顾，本文研究了复杂环境下的定位算法。文中分析了多种典型定位算法在复杂环境下应用的优缺点，研究了基于接收信号强度（Received Signal Strength Indicator, RSSI）距离测量模型的位置计算方法。基于测距定位算法，提出了改进的极大似然估计求解方法和概率质心两类定位算法。课题完成了以下研究工作，并取得了一定的研究成果。首先，基于模拟仿真实验平台，分析了几类经典定位算法在复杂环境下的定位性能，找出了影响定位算法定位性能的原因，明确了复杂环境下定位算法的改进方向。其次，通过对复杂环境下的极大似然估计定位算法研究，发现原求解方法因计算量大限制了该算法在复杂环境的应用，从而提出了一种新的极大似然估计极值点求解方法，该方法可直接求取未知节点估计位置，即极大似然估计的极值点。仿真验证了该定位算法的有效性，在复杂环境下获得的定位性能测试曲线显示，该算法不仅可降低计算量，而且具有很强的鲁棒性优势。最后，对三边质心定位算法和极大似然估计定位算法进行了比较研究，提出了概率质心定位算法。该算法以重叠区域概率密度函数作为其密度函数，即以概率质心坐标表示未知节点位置，改善了原三边质心定位算法等同考虑重叠区域的不足，提高了复杂环境下的定位精度。在复杂环境下概率质心定位算法获得的仿真定位曲线显示，该算法既继承了三边质心定位计算量低，也确保了较高的定位精度和强鲁棒性。课题研究表明，本文提出的改进的极大似然估计求解方法和概率质心定位算法可协调定位精度和计算量两者的矛盾，并具有强鲁棒性的优势，可适用于复杂环境下的无线传感器网络定位。