目前水环境污染日益严重,基于无线传感器网络技术的水质检测系统能实现水质污染的有效检测,对防止水污染扩散意义重大,但其也面临着如何确定污染源地理位置信息的技术难题。因此,本文从水质检测的实际应用环境出发,采用经典的DV-Hop作为本文的节点定位算法,并针对该算法存在平均跳距和最小二乘法计算坐标带来的定位误差问题,提出了基于粒子群算法的改进DV-Hop和基于灰狼算法的改进DVHop两种不同水质检测场景下的节点定位算法。实验结果表明,相比已有的常见节点定位方法,上述两种算法在水质无线传感器网络应用场景中具有更高的节点定位精度和应用价值。本文所做具体工作如下:（1）针对传统DV-Hop节点定位算法因平均跳距和最小二乘法计算节点坐标产生的误差问题,本文提出了基于粒子群改进的DV-Hop水质检测节点定位算法。首先给出信标节点之间的跳数表达式修正信标节点之间的跳数误差,继而给出改进的平均跳距修正因子修正平均跳距误差。然后针对最小二乘法计算节点坐标存在误差,引入自适应权重系数改进粒子群算法,避免其搜索最优节点坐标时陷入局部寻优,从而修正最小二乘法计算节点坐标误差。最后通过两种改进方式相结合分别对DV-Hop平均跳距计算阶段和定位阶段进行改进以提高其定位精度。（2）为了降低DV-Hop计算过程中最小二乘法带来的误差,本文提出了一种基于灰狼算法的改进DV-Hop节点定位算法。同样先给出信标节点间的跳数表达式,继而给出改进的平均跳距修正因子修正平均跳距误差。然后引入灰狼算法,对设定的适应度函数进行迭代寻优,修正最小二乘法计算节点坐标误差。最后当算法满足迭代要求时,输出待测节点的坐标。（3）基于MATLAB软件,模拟无线传感器网络水质检测场景,实现本文两种定位算法的实验仿真。实验结果表明,在分别改变信标节点个数、未知节点个数、通信半径3个条件时,相比于经典的DV-Hop、基于粒子群改进的DV-Hop和基于加权双曲线改进的DV-Hop方法,本文提出的第一种算法的平均定位精度分别提高了5.5%、5.8%、5.7%。本文提出的第二种算法的平均定位精度相对于经典的DV-Hop、基于加权双曲线改进的DV-Hop和基于蝙蝠算法改进的DV-Hop方法分别提高了22.67%、28%、12.33%。另外,本文两种方法在不同的水质检测场景中,也具有自身不同的特性。其中,第一种算法相比第二种算法具有水质检测传感器节点数量越多定位精度相对更高的特点,因此更适应于水质检测传感器节点数量较多的场合;第二种算法则具有水质检测传感器节点数量少定位精度高的性能,更适应于水质检测传感器节点数量较少的场合。在实际应用中,可以根据具体情况进行合理的选择。