无线传感器网络(Wireless sensor networks，WSN)是由若干具备无线通信能力的传感器节点按照协议自组成的分布式网络。无线传感器网络技术一门新兴综合技术，它在环境监测，国防军事，医疗卫生，现代农业以及环境监测等领域都有重大价值和商业前景。WSN下的大部分应用需要提供位置服务，没有位置的传感器数据往往缺乏意义。定位技术是指通过算法获取WSN中未知节点的估计位置，是无线网络应用中不可或缺的支撑技术，同时还是辅助路由，跟踪等其他技术的基础。因而定位技术在整个服务中非常重要。根据算法过程中是否需要测量节点间的距离将定位算法分为基于测距和非测距两类。非测距定位算法可以不需要使用任何测距技术，通过其他方法计算机未知节点的坐标，此算法能耗低，误差较大。基于测距的算法定位前需知道节点间的距离信息。可以用常见的接受信号强度指示(RSSI)来测量距离，其算法简单，设备成本低。算法根据定位网络是否是移动传感器网络，此时又可以分为静态定位(Static Localization)和动态定位(Dynamic Localization)。目前常见的静态定位技术有质心定位，凸规划定位算法，以及间接求距的DV-Hop算法。动态定位如DSL定位算法、DRL定位算法、Landscape3D等，其中Hu在蒙特卡罗数值统计方法的基础上提出了MCL(MonteCarlo Localization)算法，MCL算法提出了一种移动定位的新方向，后来衍生了MCB，EMCL等算法。　　MCL由于其算法流程简单，在低锚节点密度情况下精度较好，因此应用广泛。算法的诞生很大程度上推进了移动定位的发展。但是随着应用对位置服务的精度要求越来越高，MCL算法的定位精度已逐渐不能满足应用的需求。　　本文在MCL的基础上提出一种在WSN定位精度较高的跟踪算法，算法充分利用未知节点在运动过程中产生的网络拓扑结构变化信息，以此改善MCL算法低锚节点密度下精度不高的缺陷，并改善样本采集效率。当拓扑结构没有发生改变时，算法采用牛顿插值方计算当前时刻的位置，当发生拓扑结构变化了，就可以构建适应值函数，然后采用粒子群算法优化重构样本。　　仿真实验结果表明，TMCL算法与MCL算法相比，整体上提高了定位精度，同时提高了可定位率，改善了在MCL低锚节点密度时的性能，TMCL算法的定位精度要比MCL算法高15％～25％，平均提高18％。