在无线传感器网络定位领域,DV-Hop算法因其实现简单得以广泛使用。针对DV-Hop算法定位误差较大的问题,提出一种基于DV-Hop多通信半径的加权定位算法。该算法利用多通信半径并通过引入修正因子细化和优化跳数,利用最小均方误差准则和加权方式修正平均跳距,并利用加权最小二乘法估算未知节点坐标。通过仿真得出所提算法在相同实验条件下的定位精度较DV-Hop算法提升约60.5%,相较于双通信半径优化算法和3-DV-Hop算法分别提升约36.4%和13.8%。

针对水下光无线传感器网络(UOWSN)节点的传输范围受限和间歇性连接的问题，利用多跳通信扩大传输范围来增强网络连接性，提出一种网络节点定位算法。首先，将UOWSN建模为三维(3D)随机缩放模型图，并根据网络节点数、通信范围以及光发散角推导了该模型下网络节点的连接性概率表达式；然后，利用接收信号强度(RSS)定位算法修正距离矢量跳数(DV-Hop)定位算法来解决网络节点的定位问题，并与现有方案进行分析对比。仿真结果表明提出的定位算法的性能明显优于标准的DV-Hop算法和Hybrid DV-Hop算法。

针对距离向量跳段(DV-Hop)算法在多边定位中误差较大的问题,详细分析了定位误差形成的原因,并提出了一种改进的人工蜂群优化DV-Hop定位算法。该算法引入数学优化模型,使用改进的区域限定人工蜂群算法对该模型进行目标寻优,优化多边定位的执行过程。实验结果表明,改进的人工蜂群算法可减少多边定位阶段的误差和计算量,且定位效果较好。

近似三角形内点测试(APIT)定位算法在用最佳三角形内点测试法测试时容易产生in-to-out和out-to-in错误, 影响定位精度。为了解决这一问题, 提出了一种基于向量积同向技术的改进APIT定位算法。采用接收信号强度指示定位算法实现节点的初步定位, 然后用向量积同向技术代替内点测试法, 提高了定位效率;在MATLAB仿真平台上进行仿真, 取得了APIT定位算法和改进APIT定位算法各自产生的定位误差数据。结果表明, 在信标节点比例不同的情况下, 改进的APIT算法定位精度明显优于APIT算法。

为了改善紫外光(UV)点对点通信中传输距离有限、覆盖范围小的问题, 组建了UV自组织(Ad Hoc)网络。结合UV通信的信道特性, 提出了一种UV组网通信收发装置设计方案。基于该方案, 给出了UV Ad Hoc网络节点定位算法, 该算法利用节点间的通信距离和扇区信息求得节点间的相对位置。以无线Ad Hoc网络多播按需距离矢量路由协议为基础, 提出了一种UV空分复用Ad Hoc网络路由协议, 并对该路由协议进行了仿真, 给出了不同节点数和运动区域下的仿真结果。结果表明:在满足发包数、时延和丢包率等通信要求的前提下, 在一定运动区域内, 应选择较少的节点; 当节点数一定时, 应选择较小的运动区域。

静态无线网络传感器在设计过程中并未考虑到节点的移动性问题,导致目前的节点定位算法不能满足动态无线传感器网络定位的需求。针对传统动态传感器网络节点定位策略定位精度低、算法复杂、响应时间长等缺点, 在MCL的基础上引入了航位推算法, 提出了一种改进的自适应蒙特卡罗, 将Voronoi图和权值融合在MCL算法的粒子过滤阶段中以提高算法的定位精度。仿真分析说明, 在相同条件下, 与 MCL 算法相比, 改进后的MCL算法平均定位精度提高约50%, 即使采样粒子数目较少时也能保证较高的定位精度。

为了优化无线传感器网络(Wireless Sensor Networks，WSN)中的定位算法，提高节点定位精度，提出一种基于多边定位误差的加权质心算法。分析了无线电的路径损耗模型，建立基于信号接收强度(Received Signal Strength Indicator，RSSI)和距离关系的对数拟合测距公式，给出了求解未知节点坐标的多边定位法和位置估算模型。多组数据定位后，以定位误差值的倒数作为权值，改进传统的质心算法，并讨论了参考点个数的选取与误差的关系。实验表明：改进后的加权质心比传统质心定位精度进一步提高，选择4~5个参考节点具有良好的定位效果。

DVHop算法是一种经典的距离无关的无线传感器网络节点定位算法。详细分析了DVHop算法的定位过程，针对其局限性提出一种改进的DVHop算法。该改进算法在传统DVHop算法的第一阶段采用分簇策略以减小通信开销和分组冲突概率，并且用拟牛顿优化算法代替传统的最小二乘法计算节点位置，最后用Matlab7.0进行仿真。仿真结果表明，该改进算法可明显提高节点定位精度，并且不会增加网络通信量。

常用的节点定位方法通常要求较多的信标节点，因此容易造成资源浪费。提出一种基于目标跟踪的移动信标辅助节点定位算法，信标节点在移动过程中周期性地发布自身位置信息，未知节点首先获取自身位置的近似估计，然后再利用无迹卡尔曼滤波(UKF)方法对移动信标进行跟踪，并完成进一步位置求精。在该算法中，未知节点之间无需相互通信，降低了能量消耗，且计算量不大，同时满足非线性条件，适用于户外部署的大规模传感器网络。实验结果表明，在参数取值合理的条件下，本文的方法能够有效提高节点的定位精度。