物联网作为信息科技产业第三次革命的产物,其发展迅速并应用到社会生活的各个方面。物联网依靠网络通信技术将传感器设备连接起来,实现信息交换,可应用于传感器设备定位、智能化识别和网络管理。无线传感器网络作为物联网位置感知的底层支撑技术形式,能够通过协作的方式有效感知、处理和传递网络监测区域的数据信息,在国防军事、航空航天、交通运输和抢险救灾等领域得到广泛应用。节点位置作为无线传感器网络应用的重要信息之一,如果缺失节点的位置信息,无线传感器网络感知到的数据信息将毫无意义。因此,如何提供精准的位置感知服务已成为物联网应用中亟待解决的关键环节。高精度、稳定性以及实时性的节点定位方式是无线传感器网络研究的热点。本文紧跟国内外最新研究发展方向,在已有的无线传感器网络定位算法基础上,以提高定位精度、定位效率及自适应能力为切入点,提出一种基于采样优化的蒙特卡罗移动节点定位算法,在蒙特卡罗算法的基础上利用牛顿插值法和差分进化算法来优化采样过程,进而提高算法的定位性能。针对无线传感器网络由于端到端的数据时延而难以保证监测信息的实时性和有效性的问题,提出了一种基于自适应布谷鸟搜索算法优化径向基函数神经网络的位置预测模型,结合自适应布谷鸟搜索算法的思想来优化神经网络中的参数以提升模型的预测性能,满足实时性要求较高的场景对移动节点定位准确性的需求。最后对提出的基于采样优化的蒙特卡罗定位算法与移动节点位置预测模型进行了仿真实现及验证,实验结果表明,相比于其他主流算法,本文所提算法在节点定位的时效性、鲁棒性和精准性均有显著提升。通过对模型输出结果的对比分析,本文所提出的模型能够对节点未来时刻的位置信息做出精准预测。