无线传感器网络(Wireless Sensor Network,WSN)由众多传感器节点构成,这些节点具有低功率、低能耗、硬件结构小等特性,采用无线多跳的形式进行通信并构造自组织网络,实时地对覆盖区域的对象进行感知与监测。WSN近年来在工业、军事、环境和医疗等方面已成功应用。很多系统的成功开发都建立在明确位置信息的基础上。由于传感器节点通常工作在复杂多变的环境中,并且数量庞大,因此高效、低能的定位算法成为众多学者研究的热点。针对现有定位算法定位精度较低的问题,本文主要从静态节点的定位,移动节点的定位以及移动锚节点的动态路径规划和定位三个方面进行研究。论文的主要研究内容如下:1)提出了基于混沌粒子群与Taylor算法混合定位算法。首先对TDOA定位技术进行介绍,针对Taylor算法在求解TDOA方程时,受初始值影响很大,不容易收敛等缺点,利用混沌粒子群求解TDOA方程组,将结果作为Taylor算法的初值并进行迭代,提高定位准确性。将混合算法同Chan、Fang、PSO、混沌粒子群以及初值为真实值的Taylor算法在相同条件下模拟实验,结果表明混合算法与Taylor算法定位结果相差不大,解决了Taylor算法初值难以选取的问题。2)提出了基于RSSI的锚节点静止的改进MCB定位算法。针对移动未知节点运用蒙特卡罗方法定位时采样面积大、采样效率差等缺陷,对其做出一些改进。首先引入RSSI测距缩小一跳两跳锚盒子,缩小采样范围;其次在过滤阶段,加入一个过滤条件,引入虚拟面积的方法,将不符合过滤条件的样本去掉;在重采样阶段,将满足过滤条件的样本粒子作为新的采样区域进行采样;最后在位置估计阶段,采用灰度预测模型预测节点的大致方位,若预测点位于采样范围内,则将样本粒子加权,然后用Taylor方法进一步加强准确性,获得节点的最终坐标。在不同参数条件下,将改进的算法与MCB、RMCL算法比较,结果表明改进的算法具有很高的精度。3)提出了基于特殊节点的遗传蚁群动态路径算法以及改进的加权三角质心静态节点定位算法。首先利用节点通信范围内邻居节点的个数来进行特殊节点的选择,再利用遗传蚁群算法得到最短路径,接着完成其余节点的定位。定位步骤为:首先采用高斯滤波对获取的RSSI值进行处理,并对收集到的锚节点进行选择,接着利用加权三角质心算法求出坐标值,最后进行泰勒级数展开,得到节点的最终坐标。仿真实验表明,与SCAN路径、DOUBLE SCAN路径相比,本文提出的算法得到的路径较短,并且改进的加权三角质心定位算法的运用提高了定位的精度与覆盖率。