基于无线传感器网络的定位系统具有监控范围广、部署方便等优势，可用于测控、导航、安全等许多领域，受到军界和工业界的高度重视，也是学术界多领域交叉的研究热点。受限的电能、受限的通信带宽和非理想的节点部署是制约无线传感器网络定位系统应用的瓶颈。因此，研究低能耗定位方法以及非均匀拓扑对定位精度影响，取得以下具有创新性的研究成果：　　 1.提出了一种基于Mean Shift的定位算法。基于Mean Shift的定位算法(MSBL)将MeanShift过程用于目标定位，以迭代的形式融合局部多个传感器的测量数据，逐步逼近目标位置实现精确定位。仿真实验结果表明，MSBL采用最优权值参数时的定位精度比加权质心定位算法提高近30％，在目前基于加权的RSSI定位算法中效果最好。MSBL算法使用目标覆盖范围内约30％的传感器即可确定目标位置，减少了约70％的数据采集量和通信量，大幅度降低了定位需要的能耗。　　 2.提出了一种基于虚拟簇的目标定位与跟踪方法。根据MSBL等定位算法中节点协同工作的需求，提出虚拟簇漂移(VCS)协议，用于定位静止或者移动目标。VCS协议利用了定位时目标时产生的通信报文具有局部性、突发性等特点，建立严格限制跳数的临时逻辑簇，在簇内对观测数据进行融合。在NS-2模拟环境中的实验结果表明，与经典的基于护送树(DCTC)方法相比，VCS方法减少定位产生的报文达到20％以上。　　 3.提出一种Gabriel图和Voronoi图相结合的均匀性度量方法。除了密度和覆盖程度等因素的影响，锚节点分布的不均匀性是影响定位精度的主要因素之一。改进基于近似偏差的均匀性度量方法，提出Gabriel图和Voronoi图相结合的均匀性度量方法(GVGUM)，定量地描述锚节点的均匀程度。GVGUM使用Gabriel边表征节点的疏密；使用Voronoi单元的面积表征节点控制区域的大小。GVGUM比基于近似偏差的方法更好地表征了节点的均匀程度，同时将计算复杂度从O(n2)降低到O(nlogn)。　　 4.提出了一种基于最小包含圆的定位算法。基于最小包含圆的定位算法(SECL)是一种粗粒度算法，使用锚节点的最小包含圆圆心估计目标位置，不需要包括RSSI在内的任何额外信息。SECL克服了以往定位方法在锚节点分布不均匀时估计结果偏向节点密集区域的问题。仿真实验结果表明，SECL算法的在节点分布均匀时的定位精度比Centroid提高5％，在节点分布不均匀时精度提高25％，定位精度的方差比Centroid低28％，是目前少量的粗粒度定位算法中精度最优的算法之一。