随着传感器技术、无线通信技术和网络技术的不断发展,具有信息采集、数据处理等多种功能的无线传感器网络得到了越来越广泛的应用,并引起国内外研究人员的广泛关注。位置信息和网络覆盖是无线传感器网络的重要支撑技术,本论文在对国内外相关研究现状深入研究的基础上,研究并解决非视距(Non-line of sight,NLOS)环境下节点定位问题和覆盖空洞修复问题,主要研究内容如下:针对监测区域内障碍物或移动物体导致的信号为非视距传播的问题进行研究,提出了一种基于残差选择的NLOS定位算法。首先分析了 NLOS环境下测量值的残差特性,基于扩展卡尔曼滤波算法的线性回归模型获得距离测量值的残差,然后提出了基于严格残差选择机制对节点状态进行鉴别,最后利用变节点的并行卡尔曼滤波算法来估计出目标节点的位置。仿真实验证明了该算法可以有效抑制NLOS误差,提高了定位精度。设计了基于线性调频扩频的定位实验系统,通过实验验证了该算法的有效性。针对监测区域内误差动态变化强的问题进行研究,提出了一种基于改进概率数据关联的交互式多模型定位算法。通过分析视距环境和非视距环境下不同测量值的特性,对两种状态下马尔可夫模型进行交互输入,然后提出了基于改进概率数据关联算法对位置信息进行融合处理,最后根据更新的状态概率估计出节点位置。仿真实验证明了该方法可以在复杂环境下实现对目标节点精确定位,定位精度显著提高。针对监测区域内易受环境噪声干扰的问题进行研究,提出了一种基于高斯混合分布的改进卡尔曼滤波定位算法。首先根据卡尔曼预测计算出预测状态和协方差矩阵,分析残差特性,提出了一种鲁棒的非视距鉴别方法。针对非视距情况,采用基于期望最大化算法的高斯混合分布估计测量值均值和协方差的分布情况,最后提出一种多模态融合算法对非视距误差进行削弱,实现精确定位。仿真实验和实际实验结果表明,该算法在无需NLOS误差先验知识的情况下即可获得节点的准确位置。针对NLOS误差在不同环境下服从不同分布的问题进行研究,提出了一种基于投票选择的定位算法。首先根据NLOS误差的特性,提出一种投票选择机制对锚节点初始距离值进行筛选,然后根据贝叶斯定理获得距离值的权重,通过概率数据关联算法对测量值进行更新,最后采用最小二乘算法获得节点位置。仿真实验和实际实验结果表明,该算法对NLOS误差具有较强的鲁棒性和较高的定位精度。针对无线传感器网络长时间监测易产生覆盖空洞的问题进行研究,提出了一种基于C-V模型的空洞探测和修复算法。首先对节点的感知模型进行分析,基于奈曼-皮尔逊准则的节点感知模型建立联合探测概率图,然后通过C-V模型对其进行分割判断,获得覆盖空洞的位置、数量和大小,最后提出一种基于改进粒子群的覆盖空洞修复算法对网络进行修复。仿真实验结果表明,该算法有效地提高了网络的覆盖率,延长了网络寿命。