无线传感器网络(Wireless Sensor Networks,WSN)是一种集合了信息采集、处理和通信传输等多种功能于一体的智能网络信息系统,被广泛的应用在军事、商用和民用等领域。而节点的位置信息对WSN的构建起到支撑作用,使得WSN可以提供位置信息相关的服务。在WSN的定位算法中,算法按照是否测距可以分为基于测距和无需测距,其中无需测距的算法虽然在算法的复杂度和扩展性等方面都占据了很大优势,但大多仅适用于定位精度要求不高的场所。经典质心算法更是突出了无需测距算法的复杂度低、扩展性高的优势,但也存在定位精度低的问题,若要降低误差就需要增加成本去提高锚节点的布置密度。而测距技术可以提高定位精度,在众多测距技术中,RSSI(Received Signal Strength Indication)测距技术不需要额外增加设备,可以在不增加成本的情况下提高定位精度。因此,有些研究者就将传统质心算法跟RSSI测距技术相结合,提出了加权质心定位算法。基于RSSI的加权质心定位算法虽然提高了质心定位算法的定位精度,但是在应用中,RSSI值会受环境影响而不稳定,且算法在网络边界会因锚节点数量不足而导致定位误差过大。为了降低这些误差,通过测距模型、中值加权滤波和建立测距误差修正库来降低环境因素影响;还通过迭代思想、迭代误差修正和建立算法误差修正库来提高边界定位精度。算法是基于RSSI的边界加权质心定位算法简称为BIWC,主要工作内容如下:在BIWC定位算法的测距阶段,首先对RSSI的测距模型进行研究,分析不同环境对模型中衰减参数和射频参数的影响,发现测距模型中的参数对环境依赖度很高,故选择通过对数测距模型对测试环境进行测算获取最优参数。然后采用中位值加权滤波的方法对测距模型获取到的测距结果进行处理,过滤掉其中的不稳定信号,提高算法的抗干扰性。最后为了解决环境中不同区域影响因素不同的问题,提出分区域误差修正的措施来提高测距精度,通过测距信息建立测距误差修正库,对不同区域的测距结果进行更精准修正,降低算法受环境的影响,精准的测距信息为后面的定位阶段奠定了基础。在BIWC定位算法的定位阶段,原算法在边缘网络会因锚节点数量不足而导致定位不准,故通过迭代思想将已定位的盲节点转化为次级锚节点,降低因锚节点不足导致的定位误差,同时为了降低次级锚节点引起的迭代误差,对次级锚节点在定位计算过程中增加权值参数,降低其在计算过程中的比重以降低迭代误差。最后还增加一个定位误差修正库,通过在环境里各个区域进行测试获取一个误差校正集合来对定位计算结果进行修正处理,进一步提高BIWC算法对复杂环境的适应性,提高其定位精度。最后,为了实现BIWC算法,测试算法的定位效果,设计了一个基于BIWC的定位系统,在完成系统中相关节点硬件的设计后,根据算法的实现流程对节点的软件进行设计,并设计了上位机监控软件。最终测试结果显示BIWC算法对复杂环境更具适应性,也能降低边界因锚节点不足导致的定位误差。