无线传感器网络(Wireless Sensor Networks,WSN)已广泛用于物流管理、智能电网、航空航天、精准农业、动物行为监测等多个领域。其中WSN节点的定位是其应用的基础,存在定位精度低、硬件开销大等问题,特别是对于异构WSN。目前,关于异构WSN的相关研究较少,因此,高精度、低能耗的异构WSN(Heterogeneous Wireless Sensor Networks,HWSN)定位问题的研究具有重要的理论和实际意义。本文针对HWSN中定位算法存在的问题,对节点间距离计算方法以及节点定位优化方法进行深入研究,提出了基于椭圆距离修正的前进跳距期望(Expected Hop Progress,EHP)和基于粒子群和量子粒子群优化的EHP的两种新的定位算法。具体研究内容如下:1)分析了WSN异构性的表现和异构性对定位问题的影响,重点研究了节点通信能力不同对传感器网络定位精度的影响;理论推导和仿真实验分析了经典DV-Hop、Amorphous和LAEP等非测距定位数学模型及算法在HWSN中存在定位精度低的问题,以及引起定位精度低的主要原因是节点间距离估计方法和节点坐标计算方法不适用于HWSN定位。2)针对EHP累积分布函数计算复杂度高以及在稀疏网络环境下定位精度低的问题,提出了一种新的基于椭圆距离修正的EHP定位算法。该算法首先构建了新的EHP累积分布函数来减小公式的复杂度;然后,利用椭圆距离修正方法对节点间估计距离进行修正,并对距离修正公式进行改进,使其更适用于HWSN;最后,将修正后的距离代入极大似然估计表达式中,进而得到未知传感器节点的具体坐标。实验表明,在节点随机均匀分布的HWSN中,该算法与经典定位算法相比,在不同节点密度下都具有较高的定位精度,同时与现有的异构网络环境下的EHP定位算法相比,具有较低能耗。3)研究了HWSN中,不同仿生优化算法对EHP定位算法的优化性能,将粒子寻优思想应用到HWSN定位中,提出了两种优化方案:基于粒子群优化的EHP定位算法和基于量子粒子群优化的EHP定位算法。该算法将基于EHP节点定位问题转化成了优化问题,并利用改进后的适应度函数解决了传感器节点通信能力不同造成的节点定位精度低的问题。