基于信号强度指示(RSSI)的传感器定位技术通过分析节点接收到的信号强度来定位其物理地址。因该技术相对基于到达时间差(TOA)和基于到达角度(AOA)等定位技术无需额外的硬件设备而受到广泛的关注。然而由于环境、障碍物、攻击等因素，基于RSSI技术的定位精度相当不稳定，这促发了众多改进算法的提出。尽管这些算法不同程度地提高了定位精度，但因没有充分利用无线传感器网络(WSN)本身的拓扑结构信息与信号空间的特性，导致定位算法对网络特定先验知识利用的不足，精度难以得到进一步提高。尤其是在复杂或不可信网络环境中的定位问题目前更是一个挑战。本文针对上述诸问题，通过如何充分利用WSN的信号和物理空间的局部拓扑结构信息进行了较深入的定位技术研究，并取得了如下主要成果：　　 (1)通过理论和实验相结合的分析，首次尝试验证了WSN中传感器节点所接收到的信号强度和(物理/空间)位置数据(或坐标)都具有(局部)流形特性；因而通过借鉴现有流形学习方法中关于局部几何的刻画方法实现了对WSN信号空间和物理空间的拓扑结构表示，并确定了采用典型相关性分析(CCA)作为理论基础的建模方法。受此启发，利用我们已提出的局部保持的典型相关性分析(LPCCA)进行WSN的定位问题研究，并给出了基于该方法的位置估计(定位)算法(LE-LPCCA)。　　 (2)通过用含有局部结构信息的加权数据均值，来代替CCA中不含局部结构的全局样本均值，进而设计出一种全新的流形CCA模型--局部相关性分析(LCA)。其建模思想使LCA在求解问题过程中，一方面能以LPCCA同样有效的方式建立信号空间与物理空间之间的映射，另一方面，能弥补其存在的不可拓展性，从而为在复杂和不可信网络环境中的定位提供了建模手段。　　 (3)首次尝试了专门针对易产生不配对数据的复杂网络环境，进行定位研究。在现有众多基于RSSI技术的WSN定位中，定位映射建立的前提是信号强度与物理地址应完全配对，但现实的网络无法保证这种较理想的完整性，特别是复杂网络环境常导致信号强度或对应物理地址的缺损或失配，导致现有相关方法(包括LPCCA和LCA)失效。针对此问题，研究了如何扩展LCA模型，由此提出了一种适用该种网络环境的建模方法，即半配对的LCA(PPLCA)模型。　　 (4)针对不可信网络环境中数据可能被(恶意)篡改的情况，通过分析正常数据和错误数据的密度特性及几何分布，进而在LPCCA模型基础上，利用节点的相对全局密度信息，构建出了错误容忍的鲁棒定位模型LPCCA(RLPCCA)。进一步，在LCA模型基础上，提出了另一种称为错误容忍的LCA(FTLCA)定位模型。相比于RLPCCA模型，FTLCA模型联合利用了网络的全局结构和局部结构信息。与同类算法相比，由RLPCCA和FTLCA模型构造的定位算法不仅避免了因使用较复杂检测及拦截等手段而增加WSN能量开销的缺点，而且还保证了较高的定位精度。　　 (5)现有的安全定位算法仅限于对一种或一类攻击，但当网络中同时出现多种(类)攻击时，它们则难以取得较好的结果。针对可能存在多种(多类)攻击的不安全网络，首次尝试联合使用消息源的身份认证和过滤错误数据技术，以实现对数据“安全性”的双重保障，并相应地提出了双重保障的传感器安全定位算法DGSSL。因该算法学习简单且速度较快，故可拓展至动态网络环境中。