节点定位技术作为无线传感器网络的关键支撑技术之一，近年来得到了越来越多的关注和研究。传统定位算法，定位过程中只利用了未知节点与锚节点的距离或角度信息，存在部分节点可能无法定位的缺点。协作定位算法，利用协作思想解决无线传感器网络节点定位问题，定位过程中除利用未知节点与锚节点间的距离或角度信息外，未知节点间的距离或角度信息也得到了充分利用。由于获得了更多的冗余信息，所以通常具有较高的定位精度和鲁棒性。DV-Distance在定位过程使用了多跳协作，是一种典型的协作定位算法。本文以DV-Distance算法为代表，研究了协作定位算法的改进方法。论文的主要研究内容包括以下几个方面：①系统、全面地介绍了无线传感器网络协作定位算法的概念、背景、及存在的问题，并选取DV-Distance算法作为主要研究对象，研究了算法的改进措施。论文首先对DV-Distance算法的定位过程进行了分析，发现算法定位误差主要来自于三部分：RSSI测距引起的误差、未知节点到锚节点的累计跳段距离代替实际欧式距离引起的误差、位置计算方法引起的误差。然后针对不同的误差，提出了两种改进算法。②针对未知节点到锚节点的累计跳段距离代替实际欧式距离引起的误差，本文提出了无线传感器网络动态加权DV-Distance算法。算法使用基于未知节点的修正模式，保证定位网络中每个未知节点具有不同的修正系数；通过动态加权修正模型，用锚节点间距离、跳数等信息计算修正系数，采用动态加权的方法将不同方向上的修正系数进行整合，修正未知节点与锚节点间累计跳段距离，提高算法的定位精度。仿真和实验证明，通过以上两方面的改进能明显提高算法的定位精度。③针对RSSI测距和位置计算方法引起的误差，本文提出了基于粒子群优化的DV-Distance算法。RSSI测距由于环境因素的影响，存在较大测距误差。本文利用链路质量指示(LQI)对RSSI测量值进行惯性滤波，建立了基于LQI的RSSI测距模型；同时，为了减少位置估计方法引起的误差，本文用粒子群算法来对节点位置进行优化。粒子群算法通过迭代协作，充分地利用了网络中的有效信息。同时结合DV-Distance算法特点，本文明确了粒子群算法适应值函数的选取和算法参数的确定。