近年来,在物联网和车联网迅速发展的背景下,无线传感器网络作为这两种网络的底层技术,引起了学者们的极大兴趣并成为研究的热点。无线传感器网络是指在监控范围内由众多廉价袖珍传感器节点所构成的一种自组型智能网络。当今,无线传感器网络成熟的应用在军事作战、定位导航、医疗看护、智能生活、动物状态监测等很多领域。在无线传感器网络的众多应用中都用到了节点的位置信息,所以无线传感器网络中的节点定位研究有非常重要的理论和现实意义。本文首先阐述了无线传感器网络的一些基本知识和关键技术,其次详细的阐述了传感器网络节点定位的概念、原理、定位性能指标等,随后介绍了现有的典型定位算法。并且结合这些算法介绍了蒙特卡罗和蒙特卡罗盒方法在定位中的应用原理并分析了这两种算法的优缺点。针对蒙特卡罗算法中所存在的问题,提出了一种基于运动预测的蒙特卡罗节点定位算法,用拉格朗日插值定理对节点运动进行预测,然后构造采样区域,给样本点分配权重。最后通过仿真表明,提出的改进算法很好的提高了节点定位精度。为了解决蒙特卡罗盒定位算法中存在的采样效率低、样本点没有进行加权等问题,本文在蒙特卡罗盒定位算法的基础上,提出了一种新的定位算法--RSMCB算法,通过将RSSI测距技术用于预测阶段的锚盒子建立来优化采样区域,提高采样成功率和有效样本的准确性。本文将一种“通信成功率”模型用于对筛选出的样本点进行加权。最后通过仿真表明,同传统的MCB定位算法相比,本文提出的算法很好地提高了定位精度。