世界发展进入21世纪,传感器技术不断地向前发展,传感器节点的规模也逐渐扩大,各节点之间能够进行无线通信,构成了无线传感器网络（Wireless Sensor Network,WSN）,它们通常部署在某些特定环境下,用来完成不同的功能,例如交通治理,环境监测等。在无线传感器网络中,其位置信息也是至关重要的一环,但是由于环境的复杂性,传感器节点的GPS信号往往会缺失,且使用GPS设备定位成本高,没有运用节点之间的交互,于是如何充分利用各节点的协同性,进行协同定位,是目前的一大研究热点。当前已有的定位算法可以分为:依据定位算法是否需要节点间距离信息分为基于非测距的算法和基于测距的算法,前者简单易实现但定位不准确,后者利用了距离信息,精度较高。类似地,根据定位算法是否需要在一个中心节点在进行复杂运算,分为集中式算法和分布式算法,集中式定位算法需要中心节点完成定位解算,精度较高,但时间消耗大,复杂度高;在分布式定位算法中,计算任务分摊到每个节点身上,复杂度低,能耗较少。因此,如何设计高精度、低复杂度的分布式协同定位算法是无线传感器网络中定位中面临的重要挑战。目前主流的基于测距的分布式协同定位方案存在三个重要问题:（1）测距设备具有时钟频率偏移,导致测距误差较大;（2）在某两个传感器间的距离无法测得时,利用中间可以测距的多个传感器的多跳距离相加代替二者的欧式距离,导致定位解算后精度较差;（3）在迭代定位法中,普遍需要使用锚节点,无锚节点情况下无法进行迭代定位。为了解决这些问题,本文研究设计了基于UWB测距的分布式协同定位算法,来同时提高精度并降低复杂度,主要工作概括如下:1.本文研究了 UWB的信号特点,其具有抗多径干扰、测距精度高等优势,并研究了测距机制,使用了改进的基于飞行时间的非对称双向测距（BTOF-TWR）算法,引入基于飞行时间的误差模型,但消除了设备处理时间带来的误差,综合来看提高了精度。接着搭建实验系统,先通过多项式拟合来消除系统误差,最后测试在真实距离为3m和6m时,BTOF-TWR算法比SDS-TWR算法测距精度分别提高了2.98%和5.92%。2.本文提出了一种基于质心坐标的改进MDS（MDS-IRBE）算法,该算法分以下三个研究小节:一是利用相异性矩阵对基准节点拓扑进行重构,获得其相对坐标,解决无锚节点无法定位的问题;二是依据质心模型列出其它节点和基准节点的关系矩阵方程,解决了多跳距离代替欧式距离导致精度下降的问题;三是引入理查德森（Richardson）迭代,使算法可以进行分布式的迭代计算,降低了定位的复杂度,并提出了分布式定位算法流程。本文通过一系列仿真,先证明了算法的收敛性,确定了最快收敛因子,针对二维空间中随机分布的节点和均匀分布的节点,使用本文提出的MDS-IRBE算法进行定位,对比Local-MDS算法,定位精度分别提高了8.36%和4.78%。本文最后搭建协同定位系统,进行实际场景的定位实验,最终得出本文提出的分布式定位算法（MDS-IRBE）对比MDS算法精度提升50.25%,由于MDS算法不涉及迭代,使用本文算法的定位精度有了显著提升,也有力地证明了其有效性和可行性。