在移动自组织网络中构建基于测距的高精度定位系统时,降低位置已知的锚节点的比例有利于减少定位系统所引入的能耗。协作定位方案能够适用于锚节点数目较少且稀疏分布的情形,但是位置未知用户节点之间的协作会导致定位误差在网络中累积与传播。已有的研究表明概率型定位算法能够有效地减轻协作定位方案中定位误差累积与传播的问题。然而,在移动自组织网络中将二者结合以构建高精度协作定位系统时出现了新的问题与挑战。关键问题之一是锚节点合理选择问题,在初始时需要分布式地选择出有利于提升高精度协作定位系统定位精度与定位速度的锚节点分布,而在定位系统运行过程中,节点的移动性以及不同角色节点之间的能耗差异直接导致了需要重新选择锚节点。另外一个关键问题是在保证定位系统定位精度性能的同时,降低定位算法的计算复杂度。针对移动自组织网络分层结构构建阶段的锚节点合理选择问题,由于节点分布的随机性,相对均匀且能够体现节点聚集情况的锚节点分布情形能够提高高精度协作定位系统的定位精度并加快其定位过程。本文提出了基于分布式聚类的锚节点初始选择方案,其中包括分布式聚类算法与锚节点选择算法,能够将网络中节点合理地进行聚类,并在各个聚类中分别进行锚节点选择,获得在各个聚类中接近锚节点最优分布模型且相对均匀的锚节点分布。在定位系统运行过程中,为了减轻节点移动性对定位系统的影响,同时在一定程度上保证节点之间的能耗均衡性,本文提出了基于动态重聚类的锚节点重新选择方案,其中包括动态重聚类算法,能够在节点运动过程中将各个节点保持在合适的聚类中;基于良好的节点重聚类结果,考虑各个聚类中节点的位置与剩余能量情况,在符合条件时利用锚节点选择算法对锚节点进行重新选择。仿真实验结果表明,本文提出的锚节点初始选择方案能够获得合理的锚节点分布,基于该分布实施非参数化置信传播(Nonparametric Belief Propagation,NBP)算法时能够取得比锚节点均匀分布及随机分布情形下更好的定位精度与定位速度性能;本文提出的锚节点重新选择方案不仅能够在网络中保持良好的聚类结构,相比于不重新选择锚节点的方案,实施NBP算法时能够取得更好的定位精度与节点间能耗均衡程度。对于构建具有低复杂度的高精度协作定位系统问题,本文提出了基于NBP算法思想的低复杂度概率型定位算法。该算法简化了NBP算法中的粒子生成规则,借助具有实际意义的测距误差模型,提出了更准确的粒子权重更新方式,并将迭代过程中产生的有效信息用于加速迭代过程的收敛,降低定位系统的计算复杂度;另外,还应用了更严格的迭代收敛条件,结合本文对于用户节点选择参考节点的限定,能够在减少网络中节点之间通信量的同时,有效地减轻定位误差的累积与传播,提高定位系统的定位精度,并进一步地降低定位系统的计算复杂度。仿真实验结果表明,本文所提出的低复杂度概率型定位算法在定位精度与计算复杂度等方面均明显优于NBP算法。