作为无线传感器网络的关键技术,目标定位有着广泛的应用前景,如紧急救援、环境监测和资源管理等等,这使得目标定位算法成为备受全世界各领域关注的研究热点。智能安防,智慧交通以及智能电网等创新概念的提出迫切需要无线传感器网络的进一步发展,同时也对目标定位精度提出了更高的要求。相较于基于单一测量值的定位系统,混合系统能提供更高的定位精度并且减少使用传感器的个数,这使得研究学者对基于混合测量值的目标定位问题产生了浓厚的兴趣。针对基于混合测量值的目标定位问题,现存算法是通过线性近似将最大似然问题转化为加权最小二乘问题获得闭式解或者转化为带二次约束的加权最小二乘问题并用二分法求解,虽然计算复杂度较低,但这些算法受测量值噪声的影响较大,在噪声功率较大时,往往无法提供令人满意的定位性能。针对这一缺点,本文主要的研究成果如下:（1）针对基于接收信号强度和到达角度测量值的目标定位问题,本文考虑了非合作式以及合作式两种情形并提出了一种混合半正定二阶锥规划（Mixed Semi-definite and Second-order Cone Programming,Mixed SD/SOCP）算法。通过从接收信号强度和到达角度测量值模型中推导出的误差近似表达式,提出了基于最小二乘（Least Squares,LS）准则的目标定位问题。应用半正定松弛（Semi-definite Relaxation,SDR）以及二阶锥松弛（Second-order Cone Relaxation,SOCR）技术,这个高度非凸非线性的优化问题可以转化为混合SD/SOCP问题。仿真结果表明,在非合作式和合作式两种情况下,所提出算法的定位性能优于现有算法,尤其是在大测量值噪声功率时,算法性能的提升更加显著。（2）针对基于时间延迟和多普勒频移测量值的目标定位问题,本文利用锚节点移动对时间延迟和多普勒频移测量值的影响提出了一种半正定规划（Semidefinite Programming,SDP）算法。首先根据非递归测量模型构建了新的约束加权最小二乘（Constrained Weighted Least Squares,CWLS）问题,然后通过SDR技术将CWLS问题转化为凸优化问题,从而保证了全局最优解的获得。仿真结果表明,与现有方法相比,该算法能显著减小均方误差,并且在大测量值噪声情况下仍能达到克拉美-罗下界（Cramer-Rao lower bound,CRLB）。