在无线传感器网络中,节点自身位置信息对传感器网络的监测活动非常重要。在许多传感器网络应用中,位置信息未知的监测信息毫无意义。因此利用节点自定位技术获得节点自身位置是无线传感器网络最基本的功能之一,是传感器网络其他应用的基础。基于信号接收强度(Received Signal Strength, RSS)的节点自定位技术实现简单,不需要额外的硬件支持,因此得到了广泛的应用。但是基于RSS的节点定位容易受到环境的干扰,当环境中有障碍物随机出现时会严重影响节点定位精度。为了解决这一问题,本文提出一种新的基于RSS的无线传感器节点定位系统。首先,本文建立了适应环境变化的系统模型。根据实验结果可知,对于每条链路而言,被障碍物完全遮挡、附近环境有障碍物活动和附近环境无障碍物活动三种状态下的RSS值可以看成三个随机变量,它们分别符合参数不同的三个高斯分布。因此,本文将采集到链路RSS值建模为混合高斯模型(Mixture of Gaussians, MoG)。模型的核心思想是用多个高斯模型将混在一起的数值分开,使它们分别属于不同的高斯分布,从而将反映同一现象的数值点归类在一起。根据当前时刻RSS属于哪个高斯分布来判断哪些RSS是由环境干扰引起的变化,可以将环境干扰引起的RSS值和节点自身通信的RSS值区分开。该为了适应环境的变化,采用背景学习的迭代算法对模型不断学习更新。通过这样一个模型,可以减小环境中障碍物对RSS值的影响。然后,本文提出一种改进的节点定位算法。将通过系统模型修正后的RSS值利用路径损耗模型转化为距离信息,再利用最小二乘法(Least Squares, LS)估计节点位置。综合考虑节点定位精度和节点能源损耗,采用节点选择、路径损耗因子估计和初始节点位置选择的方法。通过这些改进,进一步加强了节点定位对环境的适应性。最后,利用CC2530无线收发模块和嵌入式硬件开发平台搭建无线传感器网络平台。利用MATLAB编写串口接收程序、数据采集和分析程序及本文所提系统仿真程序。利用已搭建的实验平台,分别进行室外环境和实验环境的实验。实验结果表明,采用本文所提出的传感器节点定位系统,可以将环境中障碍物引起的RSS值变化与节点自身通信的RSS值区分开来。通过算法改进,提高了节点定位的精度。在本文的实验环境下,节点定位平均误差可达到0.1～0.3m2。