无线传感器网络是一门综合了传感、计算、通信、信息处理等多学科交叉技术,在军事、民用等各领域有着广泛的应用。在众多的应用研究中,节点首先必须确认自身位置信息。因而,节点自定位技术是无线传感器网络的基础而关键的技术。本文就无线传感器网络节点的自定位技术展开了研究,质心定位算法依赖于节点密度和网络的连通性,故其定位误差极大;但质心定位算法简单,这对于能量有限的节点,是其优势。为保持质心算法优势,本文提出了基于极大似然估计法测距方法的改进模型,对质心算法坐标值进行修正,并用遗传算法对所改进的模型进行优化。算法简单的节点定位能够节约能量,延长网络使用寿命。论文的主要工作和成果如下:1.研究了质心算法思想、数学模型,讨论了该算法在节点定位精度上受节点密度、连通性等因素的影响。2.针对在质心算法思想的节点自定位技术中,坐标值估算与实际值之间存在较大误差,提出了基于极大似然估计法的测距技术误差模型,讨论了将该算法模型用于计算节点自定位的坐标误差值,最后,将该误差值用于对质心算法的定位坐标值进行修正。3.在介绍遗传算法(Genetic Algorithm,GA)的基础上,将遗传算法用于对极大似然估计法测距的模型上,建立了遗传算法的仿真模型,设计了算法流程,得出了仿真结果。结果表明:传感器节点的密度较大或连通性较好时,误差值较小。此外,迭代计算次数较多时,误差值较小。经过遗传算法优化过的基于极大似然估计法测距的改进模型,在节点坐标的误差值优化方面,有着较好的结果。但是,由于遗传算法本身需较大的迭代计算,运算量较大,对硬件要求较高,不太适合能量有限、计算能力有限的单个传感器节点,故该优化模型仅仅适合于集中式定位方式。