无线传感器网络的基础理论及应用在近几十年得到了广泛的关注。物联网技术的普及也为我们的生活带来了极大的便利。节点定位作为传感器网络和物联网应用的核心技术,深刻影响着其实用性和有效性。但是受制于能量成本、硬件成本和时间成本约束,适应不同应用场景和设备的定位算法应运而生。本文从静态网络中的基于几何约束的算法入手,分析了几何约束对定位算法的重要意义,并将几何约束应用于移动网络的定位算法,很大程度上提高了算法的精度。同时,对锚节点路径规划、空洞边界约束和整个网络的可定位性进行了研究。本文的创新点和主要贡献如下:首先,针对静态网络本文研究了基于区域剖分的定位方法。通过基于Voronoi图的定位算法(VBLS)分析误差模型,提出基于区域优化选择的Voronoi图定位算法(ORSS-VBLS)。这种方法利用RSSI信号存在干扰误差这一缺陷,增加了原算法的约束条件,不仅解决了原算法失败率高的问题,而且利用几何约束进一步缩小定位区域,减少定位误差。受Voronoi图定位算法的启发,本文又提出了基于Delaunay三角的定位算法(DBLS)。相对于Voronoi图的区域划分模式,Delaunay三角划分在不增加计算复杂度的情况下,通过细分区域,提高了定位精度。仿真和实验结果表明:ORSS-VBLS虽然在定位时间上有所增加,但是精度上获得了更大的提高;DBLS算法在不增加算法复杂度的前提下,也减小了定位误差。其次,针对移动网络的蒙特卡罗定位算法(MCL)进行研究。受静态网络中区域剖分策略的启发,提出了基于Voronoi图的蒙特卡罗定位算法(VMCL)。结合区域选择策略的几何约束,提出了基于Voronoi图的区域优化选择蒙特卡罗定位算法(ORSS-VMCL),利用卡尔曼滤波实时分析误差,进一步缩小滤波范围,通过动态调整Voronoi区域在滤波过程中的大小,最大限度地改善定位效果。仿真和实验结果表明,VMCL在不增加算法复杂度的情况下,提高了定位精度;ORSS-VMCL算法以牺牲少量定位时间为代价,更大地提高了算法的精度。最后,针对移动网络的移动基线定位算法(MBL)进行分析。结合MBL的应用背景,提出了二阶移动基线定位方法(SMBL)用以改善MBL的适应性。SMBL通过高频测量节点间的距离变化,更好地实现了对节点相对运动的预测,降低了MBL的更新频率,节约了能量消耗。本文提出了将SMBL和蒙特卡罗箱(MCB)相结合的定位方法,称为SMBL-MCB。该算法具有了MCB运算速度快的优势,同时还避免了在锚节点密度低或分布不均匀时MCB高失败率的问题。仿真和实验结果表明,SMBL比MBL更适合一般的高阶运动;SMBL-MCB也降低了MCB算法的失败率。本文提出的算法都是基于几何约束的方法,其中一些约束来源于RSSI信号,另一些来源于节点的相对运动。这些几何约束对节点位置的预测过程起到了辅助作用,通过增加节点可能位置的约束,最终实现精确定位。