水下传感器网络已在水下监测、污染检测、灾害预防等诸多领域得到广泛应用。通过在特定水域部署不同类型的传感器节点,协同感知水下环境,并结合节点位置信息对感知数据进行分析,可为上层应用提供决策支持。因此,定位是水下传感器网络中的关键服务之一。现有的水下传感器网络定位算法主要是通过测量未知节点到信标节点的距离来进行定位,但大多忽略了复杂水下环境所带来的挑战,尤其是水下节点随水流移动以及测距噪声随距离变化的问题,且在实际应用中,由于水声通信的高误码率与信道争用问题,节点间测距时丢包概率较大,导致定位性能较低。针对水下传感器网络定位算法需要信标节点且假设测距噪声服从高斯分布而导致的定位高成本及低精度问题,研究移动受限水声传感器网络并提出一种混合测距噪声下基于最大后验概率的节点自定位算法。首先,对移动受限节点的移动模式进行建模以获取节点位置的先验信息,测量节点间距离并基于加性和乘性混合噪声构建似然函数,在贝叶斯框架下将节点位置的先验与似然信息进行融合,通过最大化后验概率得到定位目标函数;然后,采用粒子群优化算法同时从局部和全局的角度确定最优定位解。此外,利用一种新的参考选择机制和约束机制来消除定位模糊以及提高算法收敛速度;最后,对算法在不同参数下的性能进行评估,并确定可变参数的最优值。仿真结果表明,相比同类定位算法,该算法无需信标节点,定位精度高、收敛速度快,且对测距噪声变化具有鲁棒性。针对测距包在传输过程中损坏或丢失使距离测量值不足而导致定位低精度问题,提出了一种数据包容错定位算法。首先,设计了一种收集节点间距离测量值形成观测平方距离矩阵的节能机制;然后,利用平方距离矩阵固有的低秩性,将实际平方距离矩阵重构问题转化为基于F-范数的正则化矩阵分解问题,并采用改进的牛顿迭代法进行求解;最后,在重构平方距离矩阵的基础上,采用多维标度技术对节点进行定位。仿真结果表明,该方法在定位精度、覆盖率以及稳定性方面均优于同类定位方法。