物联网、无线通信技术、集成电路、微机电系统等技术的快速发展，使低成本、低功耗、多功能的无线传感器网络出现飞速发展，无线传感器网络成为当前备受关注的前沿热点研究领域。确定节点的位置信息是无线传感器网络(WSN)提供服务的关键基础技术之一，物联网的快速发展，固定网络结构的WSN已无法满足新增服务的需求，移动节点的引入已成必然趋势，这也将为WSN的应用提供更为广阔的前景，开拓更多的应用领域，同时也带来了技术上的挑战。之前所研究的定位技术大多是针对固定节点的定位，但当节点移动时这些定位技术不能提供很好的定位结果。由于WSN中移动节点定位需求的日趋强烈，针对移动节点的定位成为无线传感器网络定位技术的热点研究方向之一。　　本论文主要针对移动节点的定位做了深入研究，并提供了解决方案。文章首先论述无线传感器网络的结构、特点及应用，阐述了课题的背景和意义，并对移动节点定位算法的进展和状况进行了总结，特别是在蒙特卡罗定位算法(MCL)思想运用于解决移动节点定位方面。接着概述了节点定位的基本原理，无线传感器网络自身定位算法、性能评价指标和分类方法。然后通过对MCL算法思想的剖析引入使用灰度预测模型的强自适应性移动节点定位算法(GPAL):首先，为确定更加精准的采样区域，减少重复采样计算量，通过记录待定位节点前几个时刻的位置信息利用灰度预测模型估算出当前的运动速度和方向，确定大致运动区域，精确采样空间。然后，使用锚节点与定位节点之间的估计距离信息来滤除粒子，提高粒子质量和有效性，从而提高定位精度。最后利用限制性的线性交叉来扩展粒子数目，通过粒子团防止采样收敛，形成采样粒子的多样性，在减少采样时间的同时，加快高质量样本生成，达到更快，更准确的定位。　　在实验仿真中，通过随机路点运动模型来模拟移动节点的运动轨迹，运用本文GPAL算法进行仿真定位，同时选取同领域内前沿的EMCL算法及原始MCL算法进行定位，将三者在通信半径、锚节点密度、样本大小等条件变化的情况下，所展现的定位结果进行对比，可以看到本文算法表现出较好的定位精度与较强的自适应性。在结果分析中对本算法的计算复杂度与性能进行了剖析。　　最后，对全文进行了总结，并对未来的研究工作进行了展望。