无线传感器网络是由部署在监测区域内的大量传感器节点通过自组织和多跳的方式构成的无线网络。无线传感器网络在对目标事件进行监测方面得到广泛应用，如环境监测、战场侦察等。而获得目标事件发生的位置对开展相关后续工作至关重要，因此，精确定位是无线传感器网络应用的关键。
　　本文在研究现有定位算法取得成果的基础上，着重对基于测距的定位算法进行了研究。基于测距建立的定位方程组，多数情况下呈现出非线性特点。求解此非线性定位方程组的方法主要分为两类，一类是线性化处理方法，通常采用泰勒级数展开将其线性化成线性方程组，然后再求解；另一类是非线性化处理方法，即将定位问题视为优化问题去求解。
　　基于线性化处理方法，提出了一种基于最大似然估计的混合定位算法。该算法首先采用最大似然估计法获得未知节点的初始值，并根据初始值建立泰勒级数多元变量展开定位模型，然后再利用最小二乘法对模型进行求解，从而得出未知节点的位置。
　　基于非线性化处理方法，提出了两种新的定位算法。一种是基于粒子群优化的混合定位算法，另一种是基于差分进化的混合定位算法。这两种新算法，均先采用优化算法获得未知节点的初始值，并根据初始值建立泰勒级数多元变量展开定位模型，然后再用最小二乘法对模型进行求解，从而得出未知节点的位置。
　　仿真结果显示，提出的三种新算法均能有效减小定位误差，提高定位精度。