节点自身定位和目标定位是无线传感器网络的关键问题。在灾难救援领域,精确的位置信息更有着举足轻重的关键作用。本文首先针对大规模随机网络提出了节点自身定位算法,然后在异性网络中研究基于优选残差加权的DV-Hop改进算法,最后在扰动环境下提出目标定位的参考节点选择策略。本文提出的算法能够降低定位计算复杂度,提高传感器网络的定位精度。首先,本文提出了适用于大规模随机网络的节点自身定位算法DV-NNA(DV-Hop with the Number of Common Neighbour Based on APIT)。该算法从以下三方面对DV-Hop算法进行了改进：采用最小均方根误差准则计算平均跳距；利用邻居节点信息对锚节点通信范围内未知节点的估计距离进行修正；在APIT算法的基础上,合理地选择锚节点组合。仿真实验表明, DV-NNA算法在距离估计和坐标计算环节都有很好的效果,算法的最终定位精度高于其它算法,而且计算复杂度小。其次,针对传感器异性网络特点,本文提出了一种基于优选残差加权的DV-Hop改进算法,利用优选残差加权算法对锚节点的平均跳距进行了优化,削弱带有迂回现象的锚节点对对平均跳距估计的影响,并融合了Amorphous算法中节点问最少跳数的估计方式。分别在三种异性网络中完成DV-Hop算法、Amorphous算法以及DV-Hop改进算法的仿真实验,通过定位均方根误差和误差方差的对比分析,验证了所提出的算法具有定位精度高、性能稳定等优点。最后,针对扰动环境,本文对干扰因素进行了分析,同时提出了抑制扰动误差的有效方式,在此基础上提出了一种扰动环境下目标定位的参考节点选择策略。实验结果证明,本文提出的参考节点选择策略优于其它选择策略,能够使目标定位具有较小的节点计算复杂度,在不同环境参数条件下具有较高的定位精度和较小的定位方差,有效地抑制了干扰因素对目标位置估计的影响。