传感器技术与无线通信技术的不断进步,推动了无线传感器网络的发展和应用,同时也对无线传感器网络的管理提出更高要求,而无线传感器网络的管理和特定应用都依赖于传感器节点的位置信息,移动节点定位是其中一项重要技术,因此研究无线传感器网络管理和移动节点定位具有重要的理论意义和应用价值。目前大多数无线传感器网络的定位算法没有考虑节点的移动性,蒙特卡罗定位算法最初应用于机器人定位,它能有效地解决移动节点的定位问题,但需要大量的样本才能获得较好的定位效果。本文通过优化采样技巧而改进蒙特卡罗定位算法,并将其应用于无线传感器网络的移动节点定位问题。本文首先提出了一种基于采样优化的蒙特卡罗定位算法,即根据节点运动的连续性特点,利用曲线拟合方法,得出样本节点位置后验密度分布取值较大的区域,对该区域内样本节点的权值进行优化,从而完成未知节点的定位。该算法有效地减少定位所需样本数,提高了定位精度,减少了定位代价。其次,针对三维空间内无线传感器网络节点的定位问题,目前还没有一种公认的有效方法。为此本文从理论上证明了采样优化的蒙特卡罗定位算法的误差不受维数的限制,从而采样优化的蒙特卡罗定位算法能够适用于三维无线传感器网络的移动节点定位。最后,对蒙特卡罗定位算法和基于采样优化的蒙特卡罗移动定位算法进行了仿真实验的分析与比较。仿真实验结果显示采样优化的蒙特卡罗定位算法的定位精度得到了提高,并且在采样次数降低的情况下仍然保持着较高的定位精度。