随着传感器技术、分布式计算技术、无线通信技术以及微机电系统（MEMS）技术的快速发展与融合，无线传感器网络已成为人类的特殊感知系统，通过对需求环境的实时监控，及时提取有效信息便可达到特殊需求目的。因此在工业控制、环境监测、预防灾难、城市交通控制、智能家居、精细农业等方面扮演着越来越重要的角色。而在应用中，传感器节点的自定位是非常重要的，它是有效的获取目标信息及对需求信息元素跟踪的基本条件。目前现有的无线传感器网络自定位方法较普遍存在测距精度受外部环境影响大、算法复杂度高、硬件功耗大及不适用于动态节点等问题。有些为了提高精度还需要增加额外的设备，提高了成本，并不适合大量生产及应用。本文针对以上问题深入研究了一种受外部环境影响小、算法复杂度小、不扩展额外硬件的定位算法，主要研究内容如下：1)基于RSSI校正的三角形质心定位算法的设计与实现：根据RSSI的数据模型，提出一种校正的RSSI算法，同时与三角形质心算法结合，得到了环境适应性强，硬件成本低的改进算法。论述了算法的基本理论，实现过程及其性能。并将定位算法与类似的算法进行比较，通过仿真的模式验证了算法可行性、有效性及适应性。相比之下算法精度提高误差范围为0.4m以内，且误差稳定性强。2)因节点资源有限、抗毁坏性差，所以本文主要是基于分布式处理方式，以便提高整个无线网络系统的使用时间。在分布式处理模式下将定位算法，应用到目标跟踪系统中，提出了新型NemoTrack跟踪体系结构，并通过仿真实验验证了跟踪体系结构的性能。