在稀疏传感网络定位研究领域中，传感节点之间相互通信收到距离限制，导致传感节点之间无法有效实现协同定位。而移动机器人可以通过自身携带的传感器将探索到的稀疏传感节点尽可能多的串联起来，使得各传感节点的定位信息能够更加有效的融合。同时，移动机器人对周围环境进行同时定位与建图。本文以提高稀疏传感网络定位精度为目标，将移动机器人同时定位与建图问题引入到稀疏传感网络定位问题中，主要研究内容包括:　　1.采用有约束的局部子地图算法完成移动机器人对传感网络节点的定位。在该算法中，移动机器人在某些特定的时刻建立一个与全局地图相互独立的子地图，移动机器人仅对自身和该子地图内的传感节点进行定位，并将局部子地图中的信息定期地融合到全局地图中。由于局部子地图与全局地图相互独立，且局部子地图规模一般较小，所以该算法最大的优势在于明显降低了移动机器人定位和对传感网络建图的算法复杂度。　　2.本文针对传统的传感网络定位算法的局限性，利用移动机器人的连续运动与连续观测将探测到的相互通信受距离限制的传感节点实现关联，同时，各稀疏传感网络节点利用对移动机器人的连续两次观测值以及移动机器人广播的定位信息实现稀疏传感网络对移动机器人的位姿估计。　　3.利用扩展卡尔曼滤波算法将移动机器人同时定位与建图结果和稀疏传感网络对移动机器人的定位信息相融合，相比于单纯的移动机器人同时定位与建图算法，该算法在没有明显提高移动机器人运算复杂度的同时，实现更加准确的传感网络定位和移动机器人定位。