近年来,无线传感器网络这一新兴技术受到国际学术界、工业界的广泛关注,在军事、环境、工业等领域具有广泛的应用前景,其中,节点定位是无线传感器网络的关键技术和应用基础。但在实际应用中,信号的传播并不是全部沿视距路径进行传输,信号遇到障碍物后将以散射、反射等方式进行传播,如此便增加了信号的传播延时,将引入非视距误差,定位算法的定位精度因为非视距误差的存在将大大降低,相应应用系统的性能也会受到影响。因此,本文主要致力于研究非视距误差的消除,提出了一些无线定位算法并对其性能进行了分析。本文首先分析了无线传感器网络非视距定位技术的基本原理、测量方式、节点定位算法以及非视距误差模型；比较研究了现有算法的性能优劣,总结目前研究工作中消除非视距误差的基本方法,为本文提出精度更高的定位算法打下了基础。然后分析了非视距误差形成的原因及其特点,讨论了在定位中广泛应用的最小二乘定位模型,对非线性最小二乘算法、线性最小二乘算法、Taylor级数展开最小二乘算法和约束总体最小二乘算法在非视距环境下的性能进行了分析。选取非视距环境下性能最佳的最小二乘算法形式。继而在分析经典残差加权定位算法的基础上,提出一种可以有效抑制非视距误差的新残差加权定位算法。该算法针对传统最小二乘算法性能易受所选锚节点的影响这一特点,采用粒子群算法优化上述选取的最佳最小二乘定位算法估计节点的临时坐标,针对传统的残差加权算法计算量大的问题,采用距离测量值个数逐步减少的组合方式,在每一步选取残差最小的组合进行下一步计算。仿真结果表明该算法能有效减小NLOS误差的影响,也克服了残差加权算法计算量随锚节点数量增加而急剧增加的问题,且不需要己知非视距误差的统计特性。在基于上述研究的基础上,本文基于高斯混合模型提出了一种无需先验知识的节点定位算法。该算法首先对非视距环境下所得的距离测量信息利用高斯混合模型得出距离估计值,为了得到最优结果采用粒子群算法对EM算法进行优化,通过上述提出的新型残差加权算法对所得的距离值进行估计得出最终位置估计值。该算法排除了严重失真的定位结果,因此能够在一定程度上克服非视距传播的影响,且计算简单,是一种简单实用的节点定位方法。本文通过研究非视距误差的成因以及经典NLOS误差消除算法,提出了能有效消弱非视距误差的算法,实验结果证实本文提出的算法定位精度较高同时具有较好的鲁棒性。