本文研究了在蜂窝网络、无线局域网和自组织传感器网络中有着广泛及重要应用的定位技术和方法。文中针对不同的网络拓扑、不同的实际应用场景，从不同的视角建立相应的数学模型，并对这些模型进行了深入细致的理论分析，提出了具有理论和实用价值的定位新算法，并通过计算机仿真实验验证了所提算法的优良性能。 首先，我们对蜂窝网络、无线局域网和自组织传感器网络中的定位问题所面临的困难以及发展现状进行综述，详细分析在不同网络拓扑结构下，定位算法设计的区别与联系，研究网络拓扑对定位算法设计的影响，并提出未来“无缝”定位的发展趋势。 非视距传播(Non-line of sight，NLOS)是基于到达时间的蜂窝网络定位所面临的主要问题。针对这一问题，第二章从鲁棒估计、统计学和信息论角度，提出了基于Bootstrap M-估计的定位算法和基于最小熵估计的定位算法。通过与传统基于最小均方误差准则的三角位置估计算法比较，仿真结果表明，本文提出的两种算法能有效抑制非视距传播引起的定位误差，具有良好的鲁棒性，定位精度也高于基于最小均方误差准则的三角定位算法。 在没有任何先验信息的前提下，最大似然估计是最优的，而实际蜂窝网络本身或者通过网络规划具有一些先验位置信息。针对这种实际情况，第三章从统计学习理论和数据融合角度出发，提出了一种基于最小均方支持向量学习机(Least Square Support Vector Machine，LS-SVM)的蜂窝网络定位模型。通过与传统的基于最小均方准则的三角定位算法进行比较，仿真结果表明，这种定位算法在NLOS传播环境下尤其有效。此外，考虑到室内定位环境下NLOS传播普遍，我们又将该算法推广到具有多输入多输出(Multiple In Multiple Out，MIMO)天线阵列的WLAN系统中，并提出了基于接收信号强度(Received Signal Strength Indicator，RSSI)测量的数据融合室内定位方法。该方法的特点是只需要一个具有MIMO天线的接入点(Access Point，AP)。 蜂窝网络和WLAN都可以看成是一种有固定设施的分层拓扑结构，而在具有无固定设施的平面拓扑结构的自组织传感器网络中，节点定位变得更加