无线传感器网络定位被广泛应用于智能服务领域,而传统的定位算法存在定位精度低,运算复杂,干扰影响下的误差波动幅度大等问题,难以满足人们越来越高的定位精度要求。因此,本文提出了基于模糊理论的指纹定位方法,建立指纹数据库后,将待定位节点接收到的信号强度信息模糊化,通过数据处理和信息融合,实现无线传感器网络中的传感器节点定位。为了提高定位的准确性以及对不同环境的适应性,设计一种基于模糊和DS证据理论的定位算法。采用模糊理论中的隶属度概念处理获取的信号接收强度信息,分析待定位节点,参考点和锚节点间的距离关系;引入DS证据理论,计算信度区间,从信任度,怀疑度,不确定度三个维度建立不同锚节点对参考点和待定位节点位置关系的认知;最后进行证据合成,实现待定位节点和不同参考点间的位置相似性匹配,进而预测待定位节点的坐标。该算法利用DS证据理论模型实现多维度信息融合,仿真实验证明该算法的定位误差小,且在环境变化时稳定性好。无线传感器网络定位算法在大量数据的处理和融合过程中常常以牺牲运算复杂度和成本为代价来换取定位准确性的提升,针对该问题提出一种基于模糊的多维高斯定位算法。根据离线阶段获取的指纹数据库,得到模糊后的隶属度函数,建立参考点与待定位节点间的模糊属性矩阵,然后构造接近待定位节点位置的理想点,基于多维高斯模型量化理想点与参考点间的位置偏差,并引入调节函数以修正其对参考点和待定位节点位置关系的影响,计算参考点和待定位节点的位置相似度,得到定位坐标。该算法的运算简单,且实验结果表明定位结果的准确性高,误差波动范围小。