随着微机电系统和无线通信技术的迅猛发展,产生了一门新兴的技术—由大量廉价、小型传感器组成的大规模无线传感器网络。无线传感器网络已经广泛应用于多个领域,如战略区域监测,导航,井下人员的定位与跟踪等等。无线传感器网络的关键技术在于对目标的定位和跟踪,因此,选择一种良好的定位算法显得格外重要。定位算法最常见的分类方式为依据是否基于测距。基于测距的定位算法具有较高的定位精度,但需要额外的硬件支持；非测距的定位算法系统成本较低,但定位精度不高。具体选择哪种方式,需要根据实际的应用环境和要求来决定。本文选用了基于测距的定位算法来研究静止或某时刻未知节点的位置。首先介绍了基于RSSI(接受信号强度值)的多边定位算法,分析并指出了此类算法定位精度不高,系统稳定性不强的缺点。针对该问题,本文提出了改进的算法—基于牛顿迭代的RSSI定位算法。该算法首先给定未知节点一个坐标,然后把基于RSSI测距的二元二次方程组在给定的初始坐标附件展开成泰勒级数,略去式中的二次项及高次项,使其化简为线性方程组。把求的坐标值进行循环迭代,得到真实坐标的估计子。经过仿真实验,该算法比多边算法具有更高的精度,更好的稳定性,唯一不足的一点就是此算法比多边算法的计算量偏大,但对整个系统的能耗影响不大。对于节点在无线传感器网络中移动的研究,本文采用基于卡尔曼滤波的定位跟踪算法。首先根据目标节点的运动轨迹建立数学模型,若数学模型是线性的系统,则采用基于卡尔曼滤波的定位跟踪算法；若是非线性的系统,本文采用的是扩展的卡尔曼滤波。扩展卡尔曼滤波是通过雅可比矩阵化简为线性系统的方法进行定位跟踪。经仿真实验,基于卡尔曼滤波的算法能够有效的对目标节点进行跟踪预测。