近年来,无线传感器网络(wireless sensor networks,WSN)的发展愈来愈迅速,其离不开节点的定位技术,当下对于WSN定位技术的研究大多都是在二维上的,但相应的在现实中传感器节点基本都是分布于三维空间中的。因此,本文研究的WSN三维节点定位技术有很重要的现实意义。首先,综述了本文的研究目的、意义以及WSN的技术理论,总结了WSN定位技术在国内外的发展近况、目前定位技术中代表性的定位方法及其节点坐标计算方法,又阐述了定位技术的相关概念和性能指标等。其次,针对三维空间下固定锚节点在定位精度、成功率不高,且耗能高的问题,提出改进算法:在WSN三维定位中,引入一个移动的锚节点,让其按照改进后的轨迹模型移动,并周期性广播自己的坐标位置信息,形成多个虚拟锚节点,虚拟锚节点同固定锚节点一起参与未知节点位置的计算。并在此基础上,通过对RSSI和TOA测距算法的研究,知道RSSI测距具有对硬件要求低,近距离测量时精度高等优点,但RSSI测距在定位的过程中容易被环境等因素干扰,且距离越远节点受到的影响越大。而TOA测距定位算法在近距离测量时,存在较大的误差,但其具有的较高精度的时间测量设备,在远距离测量时,精准度较高。针对此,提出RSSI和TOA融合测距的三维定位算法,当锚节点在未知节点的通信范围内,且到达未知节点的距离小于10m的位置时,采用RSSI测距算法测量。而当锚节点在未知节点通信范围内,且到达它的距离大于10m时,采用TOA测距算法对节点进行距离测量,得到锚节点与未知节点之间的精确距离值。再利用极大似然估计法得到节点的估计坐标值。再次,为了进一步减小其在定位时的误差,基于移动锚节点的基础上,通过对最小二乘支持向量机(LSSVR)的研究,了解该方法在小样本情况下具有较好的泛化能力,且其有较强的抗噪声能力。利用LSSVR建立三维定位模型,将通过RSSI和TOA融合测距算法得到的节点间的测量距离值作为LSSVR的输入向量,从而提高定位的准确度,降低了网络的组网成本和功耗,实现对未知节点的坐标估计。最后,通过Matlab设计了一个能够适用于多种算法的仿真环境。从能耗、锚节点密度、通信半径、测量距离等几个方面进行对比分析,结果显示,在相同的三维实验条件下,本文基于移动锚节点的RSSI和TOA融合测距的定位算法,在需要10%的固定锚节点就可以达到之前需要30%的固定锚节点才能达到的定位精度,定位耗能大大降低。而在引入移动锚节点的基础上,又利用基于RSSI和TOA融合测距的LSSVR定位算法得到的结果,更是又进一步提高了节点的定位精确度,得到了比较好的定位效果。