无线传感器网络(Wireless Sensor Network，WSN)是由大量部署在监测区域的微型传感器节点以Ad Hoc方式组成的一个多跳通信的自组织网络，其目的是协作地感知、采集和处理网络覆盖区域中目标对象的信息，并发送给观察者。无线传感器网络是一门包含了微电子学、无线通信和无线网络等多学科的交叉技术，随着体积小、低功耗、价格低和具有多功能的传感器节点的发展和应用，无线传感器网络开始广泛应用到人们的经济和生活当中，并出现了大量的新应用，如环境监测，精细农业，医疗监测，智能建筑物故障检测和目标跟踪及定位等。在大多数应用中，确定传感器节点的物理位置是WSN应用的基本要求，采集不附加物理位置信息的数据没有多大的用处，不知道传感器节点的位置而进行数据的传送也没有任何意义。因此，传感器节点的定位对于WSN的应用来说至关重要，研究适合无线传感器网络应用的定位算法具有重要的意义和价值。　　 本文首先分析了无线传感器网络的国内外研究现状、体系结构，特点和应用等；接着介绍了无线传感网络定位技术的基本概念，并分析了几种已有的WSN节点定位算法和它们各自的优缺点以及适用性。由于节点的定位问题本身就是一种非线性最优化问题，故研究学者提出将具有良好优化性能的智能优化算法运用到WSN节点定位中，对定位问题的适应度函数进行最小化，并得到了不错的定位效果。本文重点研究介绍了基于差分进化的定位算法和基于粒子群优化的定位算法，并结合差分进化算法和粒子群优化算法在节点定位中表现出的特点，给出了一种基于差分进化和粒子群混合优化的定位算法。该算法首先利用粒子群优化随机产生初始种群的位置和速度，并以未知节点与其邻近锚节点之间的估计距离和测量距离的均方误差为适应度函数；然后执行差分进化的变异及选择操作，找出群体最佳位置；最后更新群体中所有粒子的速度和位置，进行差分进化的交叉和选择操作，再次更新当前群体的最佳位置。由于粒子在搜索空间的位置对应着未知节点的位置信息，算法迭代搜索的群体全局最优解，即是未知节点的估计位置。　　 本文在MATLAB仿真平台上对所给出的算法和已存在的定位算法进行了仿真实验，通过分别改变锚节点密度，网络连通度和测距误差，来评价这些定位算法的平均定位误差。仿真结果证明，基于差分进化和粒子群混合优化的节点定位算法在各项性能指标上的定位效果有了明显的改善，其定位精度更高，且稳定性更好。