无线传感器网络的出现,作为桥梁,连接了虚拟信息世界与现实物理世界,人们可以直接感受来自客观世界的反馈,进而使周围环境“可观可控”。无线传感器网络应用的目标在于感知对象,因此,确定采集信息的来源对传感器网络应用的重要性不言而喻。典型定位算法多数是从测量技术出发来设计算法,因此过于依赖测量信息的准确程度,对测量误差的容忍能力较弱,从控制科学的观点来看,即算法容错性差,系统鲁棒性(健壮性)不好。基于相似度分析的算法具有一定的模糊性,测量信息只要满足一定的等级顺序关系即可进行准确的分类。因此,本文尝试通过相似性/不相似性数据度量分析,分类判定节点位置坐标,进行定位,主要研究内容由以下三个方面构成:①系统介绍无线传感器网络研究背景、体系结构,详细论述节点定位对于无线传感器网络应用的重要意义。通过对典型定位算法的分类比较,发现过分依赖于测量技术,容错性差。由接收信号强度、跳数信息作为特征向量,分析节点间的相似程度,利用基于相似度分析的算法去解决定位问题,改善定位效果。②针对无线传感器网络中,大部分节点硬件配置低,缺少自定位能力的问题,提出一种基于K最近邻分类的分布式算法LKNN。用分类的理念来解决定位问题,根据信标节点的位置信息和由相距跳数计算的节点相似度,K最近邻(KNN)分类判别节点横纵坐标,确定节点位置,利用质点弹簧算法MSO进一步优化节点的估计位置。仿真研究表明,LKNN算法定位过程中,K最近邻算法分类准确度高;质点弹簧算法可以改善边界效应,提高边缘区域节点的定位精度。相比于DV-Hop算法,LKNN定位效果更为理想,尤其是在C形随机分布的不规则网络中,平均误差和误差的标准差减小20%~50%。进一步实验结果验证了LKNN算法的有效性和实用性。③针对基于RSSI的无线传感器网络室内移动目标定位算法易受干扰,误差波动较大等问题,提出一种改进的RSSI多维标度室内定位算法RSSI-CMDS,采用节点信号强度建立相异性矩阵,多维标度法求解节点相对坐标,根据参考节点的实际坐标,通过平面四参数模型进行坐标转换,运用粒子群算法优化参数,计算得到移动节点的实际坐标(移动节点真实位置)。仿真和实验表明,算法抗RSSI扰动性强,定位精度高,能够满足室内定位跟踪及低成本定位系统的需求。