无线传感器网络由大量静止或移动的传感器节点以自组织和多跳的方式构成,用来协作地感知、采集、处理和传输网络覆盖地理区域内被感知对象的信息,被广泛应用于军事、航空、环境、家居、医疗、保健等众多领域。在无线传感器网络的实际应用中,如果没有位置信息,那么节点感知到的数据信息就没有任何意义。因此,传感器节点的定位在整个无线传感器网络的应用中至关重要。低能耗、高效率、高精度的传感器节点定位方法是无线传感器网络研究的热点。本文针对当前无线传感器网络节点定位算法存在的问题,以提高定位精度、增强定位算法为目的,从定位算法的效率、定位节点的比例、网络节点的密度、移动节点的速度等方面对静态和移动无线传感器网络的节点定位问题进行深入研究,提出了四种具有理论和实际价值的节点定位方法。本文具体的研究内容和创新点如下:1)提出了一种基于粒子群优化的分布式两阶段二维静态无线传感器网络节点定位算法。该算法将节点定位问题转化为优化问题,并基于粒子群优化方法,通过构建边界盒方法缩小初始搜索空间,加快收敛速度;然后定义额外成本函数,增加预判和细化阶段来防止和改正近共线锚节点产生的翻转歧义现象,提高定位精度和可定位节点数量。仿真实验结果证明该方法可以在更少的计算时间内定位更多的未知节点并获得更高的定位精度。2)提出了两种三维静态无线传感器网络节点定位算法。一种将上述二维定位算法扩展到三维空间,研究了基于粒子群优化的分布式两阶段三维静态无线传感器网络节点定位算法。另一种分别通过顶点计数代替方块计数以及利用二跳锚节点信息剔除无效的顶点等手段,提出了改进的APIS算法,降低了算法复杂度、提高了定位精度和定位节点百分比。上述定位算法均得到仿真实验的有效验证,结果表明可以根据不同场景的定位需求选择不同的方法实现三维节点定位。3)提出了一种基于蒙特卡洛盒的移动无线传感器网络节点定位算法。该算法针对采样效率及定位精度低的问题,首先,通过使用RSSI测距技术建立采样盒子并且在采样阶段和过滤阶段增加一个预设误差系数,提高了采样成功率和有效样本的准确性;然后引入粒子群算法来生成新样本,避免了采样过程和过滤过程的不断重复,并且在目标方程中,对二跳锚节点的权重采取分段动态取值,使样本生成的过程更加的准确和快速。仿真结果表明,该算法在不同的参数设置下,总是能达到更高的定位精度。4)研究了不同的节点移动模型对定位算法性能的影响。节点移动模型是仿真实验的基础,本文以蒙特卡洛盒算法为仿真对象,对移动无线传感器网络中四种经典的节点移动模型与定位算法性能的关系进行了研究,并结合仿真实验的结果指出了使用节点移动模型时需要考虑的问题。