随着人类对环境重要性的意识逐渐增强,环境监测意义重大。其中森林资源匮乏,森林火灾等频频发生,森林环境监测显得尤为重要,而WSN技术的出现为环境中随机数据的采集提供了便利。节点定位和获取感知数据一样重要,在森林环境中,传感器节点通常随机分布,若没有定位信息存在,节点采集的数据将毫无意义。WSN中部分节点配置GPS,称为锚节点,其余的未知节点则通过定位算法获取其位置。根据森林环境的不同场景特点和应用需求,设计合理的定位方案,提高定位精度,是本文研究的目标。本文对WSN定位技术进行了深入研究,研究内容有以下几个方面:(1)针对大规模森林环境监测场景,本文基于DV-Hop算法设计出基于加权因子的混合DV-Hop算法HDV-Hopw,采用两种策略对其改进:首先通过对锚节点的平均每跳距离进行加权处理减小平均每跳距离带来的误差,然后将未知节点位置估计转换成目标优化,采用混合GA-PSO算法对未知节点的坐标进行优化,通过限制初始种群的可行域、改进初始种群质量提高算法的定位精度。仿真实验结果显示:在没有增加额外硬件设备的情况下,HDV-Hopw算法相比DV-Hop算法平均定位误差降低了11%左右,在形状不规则的网络拓扑中定位精度提高更为明显。(2)针对局部精细环境监测场景,规模相对较小,且相对大规模森林环境监测定位要求更高,故本文在RSSI测距技术的基础上设计出FCDC-CL算法。直接将RSSI信号强度映射为节点估算距离存在误差,粗大误差越多,对最终定位的准确性干扰越大。为提高无线传感器网络定位精度,首先对估算距离预处理;再根据数据一致性原理,利用模糊聚类算法筛选、剔除粗大误差;最后利用改进的加权质心算法对未知节点进行定位。仿真实验表明FCDC-CL算法的平均定位误差在9.4%左右,而WCL算法的平均定位误差在25.5%左右,与WCL算法相比FCDC-CL算法的误差明显降低。