采用无线通信方式且具有感知信息的大量传感器节点组成的一个多跳自组织的网络系统,称为无线传感器网络(WSN)。WSN因其具有较强的自主性、低能耗、低资源以及分布式等优点,久已普遍地应用以军事、物联网、环境监测等各个研究领域。节点定位是WSN领域的一种应用。在WSN现有的定位算法中,Range-free定位算法的实现低成本、不易受环境影响。因此,此类算法更加适用于大规模无线传感器网络。在实际的WSN定位算法的中,由于物理层的非理想特性造成无线信号传输的各向异性会导致定位算法的实际定位性能与理论定位性能存在较大的差异,这是常见而且不可忽视的现象。随着无线传感器网络定位算法的应用越来越广泛,只局限于理想通信模型下算法定位误差的测试已经不能满足实际应用的需求。文中基于WSN中无线信号传播特性的研究和Grid-Scan算法的定位方法,采用BP神经网络模型解决实际环境下WSN的信号传播模型造成的邻居节点发生变化的问题。从而校正实际情况下传感器节点形成的网络拓扑,同时利用信号的实际传播特性对Grid-Scan定位算法给予改进。首先对节点在接收到信号的方向上的信号强度值及对应的距离采用BP神经网络模型进行拟合,再将该方向上接收到的信号强度值输入到该方向上训练完毕的BP神经网络模型的输入层,在输出层即可获取对应的一个距离值,最后通过理想传播模型将距离值转化为信号强度值并与信号强度阈值对比,得到校正后的邻居传感器节点。利用未知节点与邻居锚节点之间的关系对栅格进行锚节点的递减扫描,再利用信号各向异性的传播方式得到节点在各方向上的信号强度与方向角的对应关系,最终在一个栅格内锁定出一个位置坐标,该坐标即为未知节点的位置估计。通过仿真实验验证出,该方法在一定程度上提高了Grid-Scan算法在实际情况下的定位精度。