在不完备信息条件下的复杂任务场景中,多移动节点协同定位拥有许多特殊的优势。例如不需要超出自身的额外硬件、拥有易于感知的标识符,关键是它能够通过共享团队成员之间的位置信息,从而对自身和团队其余节点的定位效果均产生帮助,因此能够有效地提高定位的精度。本文围绕前人进行多移动节点协同定位工作中出现的误差较高问题展开研究,针对多移动节点车轮编码器自定位和多移动节点标准粒子滤波算法定位过程中均出现的精度不高问题,分别提出了两种多移动节点协同定位方法进行解决。主要研究工作如下:首先,本文对所研究的多移动节点协同定位问题进行建模。在二维陆地平面上建立多移动节点模型,包括建立移动节点的运动模型和观测模型,并对移动节点定位所需要的理论基础进行梳理,同时规范了多移动节点协同定位的精度评价标准和一致性评估方法标准,为下文研究的开展做铺垫。其次,针对多移动节点车轮编码器自定位方法中,存在误差累积和定位估计协方差不一致的问题,本文提出了一种扩展卡尔曼滤波框架下,多移动节点协同定位方法。该方法通过融合多移动节点团队成员之间的相关位置信息,改进互协方差项,对移动节点定位误差不断地预测和修正,同时引入一致性因子对协方差的不确定性进行调整,从而能够有效地解决定位精度不高和估计不一致的问题。研究结果表明,与多移动节点自定位方法相比,本文的方法具有更小的定位误差和更加一致性的定位精度。最后,针对强非线性系统中多移动节点协同定位精度较低的问题,本文提出了一种粒子滤波框架下,融合重采样无损粒子滤波多移动节点协同定位方法(UCPF)。该方法能够在重要性采样阶段使用无损重要性采样策略对粒子进行无损变换提高采样精度,并使用对其余移动节点的观测信息校正粒子的权重,进而使用融合重采样策略解决粒子多样性丧失问题。研究结果表明,与使用标准粒子滤波算法的多移动节点协同定位方法相比,本文方法拥有更高的定位精度。