定位技术是无线传感器网络的应用支撑技术,也是研究的热点。在环境复杂的室内,外界环境的变化会引起测距误差,减小测距误差,进而提高其定位精度显得尤为重要,因为传统的测距模型不能很好地适应外界环境变化,所以本文选择具有自适应性的测距模型作为落脚点,以此开展课题研究。本文首先分析出影响信号传输不规则的两个重要因素是传输介质和设备,并分析出不同环境下的测距模型的衰减不同的特点,在分析具有自适应性的BP测距模型的基础上,提出了利用马尔可夫链修正其存在的误差,以达到优化原BP模型的目的,并结合神经网络和统计学的思想,提出了一种基于B_Markov链的测距模型,通过实验结果验证提出模型的有效性,然后以MDS-MAP定位算法为例进行定位仿真,分析影响节点定位效果的节点部署情况等因素,利用控制单一变量法设计实验,并对结果进行分析比较,验证了测距式方法的定位效果在一定程度上要优于非测距式方法的定位效果的结论,节点部署也应结合实际情况确定。本课题研究的具体内容如下:(1)首先对信号传输不规则的因素进行分析,结合不同测距模型各自的特点,分析出产生测距误差的原因和传输介质及设备这两类因素有关,传输介质的差异会产生不同的路径损耗,不同的设备会因为工作负载和环境的不同导致通信范围发生改变。(2)紧接着分析出传统测距模型存在不具备自适应性的缺点,选择自适应测距模型作为研究对象,在此基础上提出利用马尔可夫链分析自适应测距模型的误差,并进行误差修正,结合神经网络和统计学思维提出了一种B_Markov链的测距模型,并利用实验中测得的真实数据加以分析验证所提模型的有效性。(3)最后分析阐述各种典型定位算法的特点,以MDS-MAP定位算法为例进行仿真,并结合不同的节点部署方式,比较基于测距和非测距情况下的节点定位效果,验证了测距式方法的定位效果在一定程度上要优于非测距式方法的定位效果的结论,节点部署也应结合实际情况确定。