无线传感器网络（Wireless sensor networks,WSN）作为物联网感知层的一个核心技术,随着研究人员对物联网领域研究热度提高,WSN也得到了越来越多关注。WSN在多个领域得到了广泛应用,如精准农业、环境治理、医疗卫生等领域。大多数应用场景需要传感器或设备的位置信息。而节点定位技术可以获取传感器或设备的具体位置,因此定位技术在WSN中具有十分重要的地位。DV-Hop算法是一种普遍应用于实际的定位技术,其具有不依赖测距技术、定位成本低廉和复杂度低等优点,因此对DV-Hop算法进行研究具有较高研究价值。本文阐述了DV-Hop算法定位原理,从理论上分析了其定位误差来源,为减少定位误差,提出了一些改进方案,主要工作内容为:为了降低因跳数和跳距计算方式导致的定位误差,提出了基于跳距加权的DV-Hop定位算法。在该方法中,首先利用双通信半径对单个跳数值细分,从而得到更准确跳数值;然后在不同节点跳数值范围,利用不同平均跳距分别计算节点间距离,并且利用跳距和通信半径比值作为新的权重,用于控制不同锚节点对跳距的影响;最后利用最小二乘法计算节点位置。通过仿真实验,说明此改进策略可以提高算法定位精度。为了降低因采用最小二乘法求解未知节点位置而导致的定位误差,提出了基于黄金正弦粒子群的DV-Hop算法。该方法利用黄金正弦粒子群算法估计节点位置。黄金正弦粒子群算法是对惯性权重和位置更新方式两方面改进,首先利用指数函数实现惯性权重非线性递减,并加入一个随机数对其动态调整,最后根据黄金正弦优化算法原理对粒子位置更新。测试函数结果证明,黄金正弦粒子群算法具有良好寻优能力。在同样仿真条件下,所提出改进DV-Hop算法有效地降低了定位误差。为了降低定位成本以及节点分布不均导致的定位误差,提出了基于移动锚节点的DV-Hop算法。该方法使用一个移动锚节点按照规划路径对网络中节点定位。其主要工作是利用改进蚁狮优化算法选取虚拟锚节点位置,并根据旅行商问题获取这些虚拟锚节点间最短移动路径。改进蚁狮优化算法提出利用黑洞策略和反向学习对蚂蚁位置更新,可以提高算法收敛速度和种群多样性。测试函数结果表明,改进蚁狮优化算法具有良好寻优能力。在相同的测试条件下,所提出基于移动锚节点的路径规划与其它静态路径规划相比,在虚拟锚节点个数、路径长度以及定位精度上具有更好性能。