目前,无线传感器网络（Wireless-sensor-network,WSN）凭借自身的大规模性、自组织性、灵活性、可靠性等众多特性,在军事、制造业、环境等实际场景中得到广泛的应用。然而,在某些WSN的应用场景中,不结合传感器节点位置的监测信息是缺乏应用价值的,例如:森林火灾的监测、环境指标的监测、智能交通的管理等。因此,探索WSN中节点定位算法具有十分重要的现实意义。考虑到WSN中节点定位成本、功耗消耗和硬件约束等现实问题,直接为WSN中每个传感器节点配备中国北斗导航卫星系统（Beidou-navigation-satellite-system,BDS）或全球定位系统（Global-positioning-system,GPS）模块实现定位的方案是不切实际的。因此,WSN中通常只有部分传感器节点配备BDS或GPS模块,本文在上述情况下对WSN中节点定位问题进行研究和探索。首先,为了克服WSN中存在锚节点位置误差影响定位精度这一问题,提出了一种基于交替修正牛顿法的分布式定位算法。第一步,将WSN表示的无向图划分成多个部分重叠的子图,建立可独立求解的子图内定位问题,子图内未知节点根据不准确的锚节点位置和测距信息采用修正牛顿法得到初步估计位置,再融合求平均得到估计位置。第二步,根据第一步结果和测距信息采用修正牛顿法更新锚节点位置,使其位置更为精准。最后,未知节点再根据相对准确的锚节点位置更新估计位置。实验结果表明,该算法在WSN中存在锚节点误差时仍然具有较高的定位精度。然后,为了提升更大规模（成千上万节点）WSN的定位精度,提出了一种融合伪锚节点的分布式定位算法。第一步,将WSN表示的无向图分解为多个部分重叠的子图,全局定位问题被分解为多个可独立求解的子问题,每个子问题映射在一个子图内。第二步,针对子图内定位问题进行迭代运算,每次迭代由两个算子组成,第一个算子是使用梯度下降法求解子图内定位问题;第二个算子是将相邻子图间重叠部分内未知节点的所有局部解进行融合平均,得到一个初步估计的位置,将高精度的未知节点作为伪锚节点来丰富定位的已知信息,其余的未知节点输入到第一个算子中进行后续迭代。实验结果表明,该算法能在大规模WSN中实现高精度的节点定位。