定位是无线传感器网络中的一个重要的研究方向，定位算法的优劣直接影响着无线传感器网络在实际应用中是否可行。测量的数据不同以及使用的坐标计算方法的不同导致了各种不同的定位算法的产生。
质心定位算法是通过计算发送信息的锚节点所组成的多边形的质心做为未知节点的坐标位置的一种算法。质心算法基于网络连通性对未知节点进行定位，无需锚节点与未知节点进行协同操作，是一种非常简单而且易于实现的定位算法，对于那些对定位精度要求不高的应用，质心算法是一个很好的定位方法。
DV-Hop算法的基本思想是先获得未知节点与锚节点的跳数，然后计算网络平均每跳的距离，再通过跳数与平均每跳的距离的乘积得到未知节点与锚节点的距离，最后，通过未知节点与至少3个锚节点之间的距离得到未知节点的位置坐标。DV-Hop定位算法是一种无需测距技术的、完全基于节点密度的、适用于密集部署的各向同性网络的定位算法。
MDS-MAP定位算法的基本思想是先从全局角度生成网络拓扑连通图，当节点有测距能力时，用测距结果作为每条边的值，否则，用所有边赋值为1,表示仅有连通性信息，生成节点间距矩阵。然后用多维标度技术MDS（MultidimensionalScaling）生成网络的相对坐标系统，最后，使用不在同一直线的n+1个锚节点信息把n维的相对坐标系统转化为绝对坐标系统。
分簇算法把网络中的传感器节点组织成簇的形式，只在一个簇范围内传输信息，不需要把控制消息传遍整个网络，可以有效地减少网络的能量消耗。
簇成员的功能比较简单，不需要维护复杂的路由信息，具有很好的可扩充性。
簇头节点由簇头选举算法选举产生，能根据网络拓扑的变化动态分簇，具有很强的抗毁性和鲁棒性。但是分簇算法中的簇头选择算法复杂度较高，而且簇头节点还可能会成为网络的瓶颈，从而影响网络的能量消耗和定位效率。
改进的无线传感器网络节点定位算法
分簇算法的定位精度较高，但是其计算量也较大，用RSSI测距方法定位却不够精确。首先，把无线传感器网络划分成多个区域，然后在每个区域内使用RSSI测距方法，通过多个锚节点计算未知节点的位置，最后，计算多个结果求出平均值最为最后的定位结果。
网络区域的划分是按照锚节点的距离为依据的，先计算网络中所有锚节点之间的距离，选择最近的几个锚节点作为一个网络区域，在该区域内的未知节点就用这些锚节点来定位。用RSSI测距方法测量未知节点与范围内的锚节点的距离，用极大似然估计法计算未知节点的位置，并存储于该节点中。最后，计算存储在未知节点中的多个坐标数据的平均值，把平均坐标值作为节点的最终坐标。
对于网络边界的未知普通节点，它们周围的锚节点数量较少，不适于上面的方法。可以通过它们周围已经定位的普通节点来定位网络边界节点，把这些已经知道位置的普通节点看成上面方法中的锚节点，使用上面的步骤完成定位。
算法的具体步骤：
（1）计算网络中锚节点之间的距离，并存储离它较近的几个锚节点的信息。
（2）以几个锚节点为边界划分定位区域，锚节点的个数决定越多定位精度越高。
（3）在每个区域内，使用RSSI方法测量未知节点与几个锚节点的距离。
（4）通过极大似然估计法计算未知节点的位置坐标，并把数据保存在未知节点中。
（5）对要定位的未知节点重复（3）（4）步骤。
（6）对网络中每个区域中要定位的节点同时进行（3）（4）（5）步骤。
（7）网络中每个未知节点对本身存储的多个坐标计算平均值，把平均坐标值更新为该节点的最新坐标值。
（8）处理网络的边界未知节点。
(审核编辑: 沧海一土)
