无线传感器网络(Wireless Sensor Networks,WSN)以其低成本、低功耗、多用途的特点,在自动控制、建筑行业、环境监测、危险等领域中有着大量的应用,特别在危险环境和人不能到达的环境中,更是发挥着重要的应用。在实际应用场合,传感器节点有时通过飞行器抛撒在工作区域,节点的位置都是随机并且未知的,节点所采集到的数据必须结合其位置信息才有意义。因此,实现节点的自身定位对无线传感器网络有重要的研究意义。如何提高定位的准确度,以提供更优质的定位服务是近年来热门的研究课题。在复杂环境中,由于无线电波会受到诸多因素的干扰,现有的算法如To A(Time of Arrival)、TDo A(Time Difference of Arrival)、Ao A(Angle of Arrival)、RSS(Received Signal Strength)等定位算法都会在复杂环境中产生较大的误差。本文在“十二五”国家科技支撑计划(2012BAD10B01)项目资助下,研究无线传感器在复杂环境中的定位算法,对使用模糊推理的加权质心定位算法和RSS定位算法展开深入的研究和分析,取得了如下成果:(1)建立复杂环境中信标节点的RSS可靠度机制。在复杂环境中,如果信标节点受到障碍物等的干扰,未知节点接收到的RSS是不稳定的,会在一个范围内产生很大变化,为了克服环境对RSS的影响,常常采取对RSS进行滤波处理,使RSS值较为接近真实值。但有时RSS的滤波不能取到真实值,比如障碍物遮挡了信标节点的信号,未知节点接收到的RSS很小,会产生和实际距离较大的误差。本文通过建立信标节点RSS的可靠度机制,使用可靠程度描述信标节点发出无线电波的可信程度。在这个机制中,通过信标节点接收其它信标节点的RSS值的准确度,判别未知节点接收信标节点RSS的值是否准确。如果这个信标节点接收的其它信标节点的RSS值在合理范围,那么就认为未知节点接收到的RSS值是合理的;如果信标节点的信号受到干扰,那么这个信标节点接收到其它信标节点的RSS值也不准确的,我们就认为未知节点接收到的RSS值也不准确。(2)提出基于RSS可靠度的Mamdani模糊概率质心定位算法。在无线传感器网络中,加权质心定位算法实现简单,在实际场合应用非常方便。但是,在复杂环境中如果信标节点少、并且RSS受到障碍物的干扰,加权质心定位算法的精度非常差。通过模糊质心的算法推理得到的权值,在复杂环境中定位精度也不理想。本文在RSS可靠度机制的基础上,提出模糊概率质心定位算法,通过Mamdani型模糊推理得到权值,使算法有一定的鲁棒性能。采用通过实际环境中生成的RSS隶属度函数和可靠度隶属度函数,通过模糊推理运算减小了复杂环境因素对RSS的干扰。(3)提出基于RSS可靠度的Sugeno型模糊推理质心定位算法。为了提高模糊质心定位算法的精度,建立了基于RSS可靠度的Sugeno型模糊推理质心定位算法,通过自适应模糊神经网络在复杂环境中学习模糊系统的参数,达到了比Mamdani型模糊推理更佳的定位精度。(4)提出带惯性因子和Lévy飞行策略的蝙蝠算法并应用在WSN的定位之中。在无线传感器定位算法中,使用全局优化的问题求解定位问题成为研究的一个热点,有学者提出使用遗传算法和蜂群算法解决定位问题,但是在高维的问题的求解上存在精度低的问题。本文分析了传统的蝙蝠算法的基础上,提出了带惯性因子的Lévy飞行策略的蝙蝠算法(Bat Algorithm with Inertia Weight Factor and Lévy Flight,ILBA),对蝙蝠个体的飞行公式采取了两种方式改进:由于蝙蝠个体飞行速度有一定连续性,采用类似微粒群算法(PSO)中惯性因子,采用惯性因子保持蝙蝠的飞行速度,通过惯性因子使ILBA算法自适应调整局部搜索能力,提高寻优精度;另外,采用了Lévy飞行搜索策略指导蝙蝠个体的飞行,扩大了搜索空间,避免搜索陷入局部最优。通过仿真测试,说明ILBA算法在定位问题上比基本BA算法和LBA算法,有更佳的求解精度和更快的收敛速度。(5)最后本文建立一个实际手机定位的系统,实现了不同的定位算法,并在不同的定位区域使用不同的定位算法,达到了良好的定位精度。