随着现代通信技术的不断完善,人们对路径传递的可靠性和安全性的要求标准也在提高。但是,传统的通信技术依旧存在一些弊端,如路径间的干扰、资源带宽的局限性以及传递能量效率不高等问题。异常值定位算法的提出在一定的范围内使通信系统的性能得到提升,与此同时通信系统的传递速率和带宽容量也明显增强,由此引起了学者们对异常值定位算法的广泛兴趣。本文主要针对无线传感器网络中基于异常值定位算法进行了研究与改进,主要的内容和创新点如下:首先,从无线传感器定位技术的研究历史状况和意义双方面对定位这个词语进行详细了解,对定位的发展脉络体系有了一定的认识,介绍了目前定位技术的国内外状况。学习了网络编码的基本原理及基本概念。其次,为了提高最优跳距异常值算法的定位精度,本文提出一种无线传感器网络基于最优跳距的异常值定位算法(OIPDV-HOP)。OIPDV-HOP算法根据锚节点与未知节点之间跳数对其进行区域划分,不同区域的锚节点选择不同跳距来估算距离;然后在经典抗异常值的基础上,综合利用筛选方式将其中的异常因子排查后更新系统,以扩大对异常因子的搜寻范围,同时考虑异常因子的位置均值和个体极值均值更新全局最优解,并以此优化定位结果。仿真实验显示,与异常值定位和P异常值定位算法相比,OIPDV-HOP算法的定位精度有较大提高,且具有良好的定位稳定性。最后,为了降低异常值算法的定位误差和计算复杂度,本文提出一种基于鲁棒性估计与最小二乘估计结合的异常值定位算法(RAP-KNN)。该算法的实现过程为:离线阶段时,统计需要测量的数据信息,将重现率较低或信号强度较小的定位点剔除,同时运用Fisher准则选择区域辨别能力较强定位点进行定位;在线阶段时,依据离线数据计算的误差值为定位点分配不同权重,将其用于度量待测点与参考点间相似性大小的卡方距离计算上,并选取距离较小的若干参考点估计待测点位置。实验结果表明与KNN算法相比,RAP-KNN算法能够实现可靠位置估计,并在降低定位误差的同时,提高了系统的实时性。