物联网技术的飞速发展使得自组网的应用越来越普遍,但是自组织网络的定位精度和节点的功耗问题一直是研究难点。本学位论文的研究重点在于首先提出基于软件定义网络（Software Defined Networking,SDN）架构的无人机辅助的节点间测距方法,然后利用无人机在某个区域内周期性地广播信标信号,并基于非测距的节点感知方法对一些盲节点进行定位,进而将这些得到位置之后的盲节点作为锚节点,最后利用得到的节点间距离信息和锚节点的位置信息,提出基于耦合信息的无人机辅助的分布式协作定位算法,对剩余的盲节点进行协作定位。本学位论文的主要工作总结如下:首先,提出一种基于SDN架构的节点间测距算法。该方法在无人机的辅助下,先通过无人机在空间中广播信标信息（beacons）,然后节点收到信标信息之后计算相应的接收信号强度指示（Received Signal Strength Indicator,RSSI）向量并回传给无人机,无人机再将信息发送给SDN的计算中心,SDN计算中心通过比对两个节点之间RSSI向量的相似度来计算节点之间的距离。除了RSSI信息之外,节点还通过信标信息得到相应的信道状态指示（Channel State Indicator,CSI）信息,然后SDN计算中心通过比对节点之间CSI信息的相似度来得到距离信息。最后再利用卡尔曼滤波方法将多路信息进行融合得到更加精确的距离信息。仿真结果表明该方法不仅可以得到精确的距离信息而且可以降低无人机和节点的功耗。其次,提出一种基于SDN架构的无人机广播的节点定位算法,该方法在知道无人机位置的前提下,通过广播信号确定未知节点的具体位置,并将通过前述算法得到位置的节点作为锚节点供后续定位步骤使用。该算法通过无人机在空间周期性广播信标信号,未知位置的节点会不断监听广播信号,在节点刚刚进入无人机的感知范围时,以无人机位置为圆心,通信范围为半径作第一个圆,无人机由此按照矩形轨迹飞行,逐渐形成其他三个圆,最后可以通过这四个圆相交的范围确定一个区域,此区域作为未知节点的位置估计区域。在此位置估计区域的基础上,本文分析位置估计误差,并通过仿真验证该算法的精度可以达到分米级的精度要求。最后,基于协作定位的基础框架,提出一种降低耦合信息的定位方法。首先讨论自组织网络中耦合信息的来源,并使用费歇尔信息矩阵（Fisher Information Matrix,FIM）和等效费歇尔信息矩阵（Equivalent Fisher Information Matrix,EFIM）分析耦合信息,得出影响耦合信息大小的因素。基于此,通过在无线自组织网络中加入无人机来改变网络的拓扑结构,从而达到改变耦合信息大小的目的。仿真结果表明,该方法可以提高分布式协作定位的定位精度。