无线传感网络发展迅速且具有广泛的应用前景,其相关领域一直是研究的热点,其中传感节点的定位是一个基础性研究课题。传感器节点的能量和通信范围有限,因此在不增加成本的情况下,设计定位精确、低功耗的定位算法具有重要意义。APIT(Approximate Point-In-Triangulation Test)算法实现简单,节点的能耗低,但节点的不均匀分布易造成算法的内点误判,降低算法的定位精度。为提高算法的定位精度,文中提出一种基于重心法和向量相似度加权的APIT算法。粒子群算法是一种易于实现、收敛快的智能算法,可用于解决节点的定位问题,但粒子群算法易收敛于局部最优解。基于此,从增加粒子的多样性和改善粒子的搜索能力两个方面开展研究,提出自适应变异的粒子群节点算法。论文的主要内容如下:(1)提出了一种基于重心法和向量相似度加权的APIT算法。该算法首先通过接收信号强度(Received Signal Strength Indication,RSSI)估算待定位节点与它的邻居信标节点的距离,并使用最小二乘法进行误差补偿,以降低测距误差对内点判定的影响;然后利用重心法进行三角形内点判定,减少内点误判的发生;最后,为了增加算法对Out To In错误的容错性,通过向量相似度加权的质心算法计算未知节点的坐标。实验表明,在各类实验环境中,该算法的定位精度和稳定性都好于APIT、RAPIT和MIX-APIT算法。(2)提出了一种基于自适应变异的粒子群节点定位算法。该算法基于DV-Hop算法建立定位优化模型。算法首先基于混沌序列初始化粒子群的解空间,以增加群体的随机性和遍历性;然后,在迭代时自适应变异惯性权值、随机粒子和全局最优值,以提高群体搜索解的能力,避免群体早收敛。实验表明,较DV-Hop和IPSO算法,该算法的定位精度更佳,对网络边缘的节点定位更精确。