位置感知能力已成为无线网络的重要特征之一，无线定位技术已被广泛应用于军事、商业和公共服务等各方面。无线定位技术主要包括两类，分别基于空间卫星系统和地面无线网络。其中，基于空间卫星系统的定位技术适于室外开阔环境，而基于地面无线网络的定位技术更适于室内、城市峡谷、林地等复杂环境。在定位过程中，参考节点的位置模糊和数目不足会导致很大的定位误差，甚至无法定位。传统定位技术通过布置高密度或高发射功率的参考节点来改善定位误差；而新型协作定位技术则通过建立待定位节点间的对等通信和测量来提高定位精度，同时提高定位可用性和可靠性。此外，集中式定位方法在大型网络中通信开销大、扩展性差，对节点故障敏感；而分布式定位方法具有更好的可扩展性和鲁棒性，在协作定位技术中更具吸引力。本文对无线网络中的分布式定位算法展开深入研究。首先研究了传统定位技术中参考节点位置模糊下的分布式定位，进而研究了新型协作定位技术中基于消息传递的分布式定位，最后扩展至分布式联合定位与跟踪。本文主要创新与贡献如下：1.针对定位网络中参考节点存在位置模糊问题，提出了一种基于期望最大算法的分布式定位方法。通过期望最大算法实现了待定位节点位置的最大似然估计。采用最小化Kullback-Leibler距离方法将参考节点位置误差的后验概率分布转化成圆对称高斯分布，获得了E-step的闭式表达式。采用泰勒级数对第一类超几何流函数进行展开，并推导出了M-step在一阶和二阶展开下的闭式解。最后，对提出算法的性能和计算复杂度进行了分析。2.针对传统定位技术中由于参考节点数量少、发射功率低造成的待定位节点无法定位问题，提出了两种基于高斯消息传递算法的分布式协作定位方法。根据网络中所有节点位置变量的联合后验概率分布，建立其对应的因子图表示，并通过消息传递算法获得位置后验概率分布。从非线性模型下的消息近似和线性化模型两方面，分别推导得到了因子图上各消息和各节点位置后验概率分布的高斯表达式，有效降低了网络的通信开销和计算复杂度，提高了协作定位在实际工程应用中的可行性。两种提出方法具体如下：（1）第一种方法是非线性模型下的高斯消息传递分布式协作定位。引入位置变量各维的独立性约束，并通过对包含观测的因式节点到变量节点这类消息的近似，推导出该类消息的高斯闭式表达式，进而推导出从变量节点到因式节点消息及位置后验概率分布的高斯表达式。本文分别推导了参考节点准确和模糊两种情况下的消息更新表达式，并分析了算法在准确消息传递和广播消息传递两种消息传递方案下的性能、通信开销及计算复杂度。（2）第二种方法是模型线性化下的高斯消息传递分布式协作定位。节点的位置变量被当成向量。采用状态空间模型对节点的位置状态变化进行建模，并对非线性观测方程进行线性化近似，得到线性的节点位置状态空间模型。基于线性状态空间模型，建立对应的因子图表示，并推导因子图上的各消息和位置的后验概率分布，其结果均为多维高斯分布。最后，分析了算法在动态网络、静态网络，以及在准确消息传递和广播消息传递两种消息传递方案下的性能、通信开销及计算复杂度。3.针对网络中定位与跟踪问题，提出了一种基于高斯消息传递的分布式联合定位与跟踪方法。建立网络中所有节点位置联合后验概率分布的因子图表示。借助于广播消息传递方案下的高斯消息传递协作定位方法，更新因子图上的所有消息和位置后验概率分布。由于目标节点的被动性和非协作性，与目标节点相关局部因子图上的消息计算和传输需要通过其他非目标节点来完成。然而，每个非目标节点通常无法获得因子图上所有与目标节点相关的消息。所以，非目标节点通过采用平均consensus算法分布式计算目标节点位置后验概率分布的均值和方差，同时完成整个因子图上的消息传递。最后，分析了该分布式联合定位与跟踪算法的性能。