无线传感器网络(WSN)是由大量使用传感器节点组成的自组织网络，节点定位技术是其中重要技术之一。现有提出的定位算法大致可分为基于测距的算法和非测距的算法，基于测距的定位算法的虽然定位精度较高，但一般需要增加额外的硬件以及对环境的要求较高。而非测距的定位算法则可以不受硬件、环境、能量等因素的影响，只是利用网络中节点间的连通度等信息就能够对节点很好的定位。目前，大多数定位算法是在二维环境中展开研究的，而实际应用环境中，通常需要得到节点的三维位置坐标。本文针对二维算法的定位精度问题进行了改进，并将二维算法扩展到三维网络中。主要包含以下几方面工作内容。针对无线传感器网络的DV-Hop算法以及已有的改进算法易陷入局部最优解的问题，提出了一种基于量子遗传算法的改进算法。该算法利用未知节点到锚节点的估计距离和锚节点的位置信息，在DV-Hop算法得到估计距离后，采用量子遗传算法校正DV-Hop得到的估算位置，通过二进制量子比特编码对种群进行编码并利用量子旋转门对种群个体进行更新。更新个体过程中进行了变异处理，让更新中一直不变的个体产生变异，从而扰动种群，脱离局部最优解。对提出的改进算法在定位误差及算法复杂度方面进行了性能分析和仿真计算。仿真结果表明，采用量子遗传算法改进的DV-Hop算法具有较稳定的性能，且能够准确快速地找到全局最优解，明显降低了DV-Hop的定位算法的误差。无线传感器网络定位在实际环境中往往属于三维定位，二维网络中RSSI定位算法通过信号传输模型进行定位，能够很好地应用到三维空间中，将二维RSSI算法的定位算法推广到三维空间中。通过CRB分析得到影响三维RSSI定位算法精度的因素，并利用混沌寻优的思想融合到粒子群算法中，提高RSSI三维定位算法的精度，提出了混沌粒子群在无线传感器网络三维定位中的优化算法。该算法首先对种群中的最优粒子进行混沌寻优，然后将寻优得到的粒子随机代替群体中的一个粒子，通过迭代得到最佳坐标。通过对影响算法定位误差因素分析及仿真表明，该算法能够快速收敛且有良好的定位精度，改善了粒子群算法易陷入局部最优解的问题，且保证了良好的抗噪性能。本课题研究的主要算法，由二维节点定位扩展到三维。二维节点定位算法中采用的是非测距的定位算法，利用跳数信息来计算得到两点间的距离，从而进行定位计算，适用于二维节点定位中，对硬件要求不高、节点间的连通性能较好、未知节点与锚节点的间相距跳数较小的网络。三维节点定位则是基于测距技术的定位算法，通过到达信号的强度，来估计节点间的距离从而进行定位，该算法适用于对节点定位精度要求较高的环境。两种算法都在原有算法的基础上做到了定位精度上的提高，相应的增加了一定的算法复杂度及能耗。