近年来,自适应网络的研究和应用受到越来越多的关注和重视。为了解决自适应网络中的参数估计问题,人们提出了许多有效的具有创造性的算法。基于分布式架构的扩散LMS算法是其中最重要的,应用最为广泛的一种算法。学者们深入研究分析了扩散LMS算法,并提出了多种有价值的改进算法,进一步提高了参数估计的性能。与此同时,定位问题作为参数估计问题的一个重要分支,一直以来都是信号处理领域的热门研究方向。在各种定位算法中,直接定位算法因为其更高的定位精度受到广泛关注。因此在自适应传感器网络中辐射源的分布式直接定位算法研究具有较大的理论研究和实际应用价值。本文工作围绕基于自适应网络的无源定位问题展开。首先,本文考虑了一种自适应网络中存在一个发射机目标的定位场景,假设每个接收机节点都可以接收此发射机发射的信号,估计得到噪声功率信息并且能够与其邻居节点共享信息。针对此无源定位问题,利用事先得到的各节点处噪声功率信息,本文提出了一种带噪声约束的分布式自适应直接定位算法。此算法本质上是原有的分布式自适应直接定位算法的一个变步长变种,其变步长策略由噪声约束条件自然推导得到。相比于原有算法此改进算法计算复杂度略有增加,定位性能得到显著提升。为了进一步提高所提算法的跟踪性能,本文同时给出了一种简单有效的检测判决机制。仿真实验验证说明了所提出算法的定位性能。另外,本文还讨论了自适应网络同时定位多个发射机目标的问题。假设传感器网络中同时存在多个发射机目标,每一个传感器节点同一时间能且只能接收一个发射机发射的信号。在原有的分布式直接定位算法基础上,运用最小均方误差优化准则,自动更新传感器节点之间的信息交互结合系数,最终得到基于自适应分簇策略的多目标直接定位算法。此算法的结合系数自动更新策略会随着算法的迭代进行,逐渐强化有着同样定位目标的传感器节点间的合作,弱化定位不同发射机目标的节点间的合作。仿真实验说明了所提算法可以准确的实现自适应分簇,进而能够处理自适应网络中同时存在多个发射机目标的定位问题。