作为一种全新的信息获取和处理技术,无线传感器网络有着广泛的应用前景,而众多的应用都是基于节点位置信息的,节点定位技术已成为传感器网络的支撑技术之一。因此,节点定位技术的研究对无线传感器网络具有重要的理论意义和应用价值。Monte Carlo算法最早应用于机器人定位领域,能够利用目标的移动性提高算法精度,同时能降低网络定位成本,是一种实现移动节点定位的有效工具。本文主要研究基于Monte Carlo算法的无线传感器网络节点自定位算法。在对典型定位系统进行研究分析的基础上,提出了两种基于Monte Carlo算法的移动节点定位算法:关联精确定位算法(RAMCL)和Monte Carlo精确样本空间定位算法(MCAB)。这两种算法均利用邻居节点间的通讯约束关系构建样本空间,从而提高算法的定位精度。RAMCL算法主要针对矿井下工作人员的定位,通过分析人的移动特性,使用牛顿插值公式实现节点的位置及运动方向预测,协助构建高效的样本空间,提高样本点的提取效率,从而优化移动节点位置选取模型。本文提出的MCAB算法则适用于开阔空间的移动节点定位。MCAB算法利用RSSI模型协助构建移动节点位置的概率模型,并利用过滤法则对样点进行筛选,保证样本的置信度。仿真实验结果表明,本文提出的两种移动节点定位算法同现有的MCL、MCB算法相比,在同等的信标节点密度、普通节点密度及节点速度情况下,具有较好的定位精度。