无线通信技术和集成电路的快速发展使得无线传感器节点的尺寸越来越小,功能却越来越强大,这大大加快了无线传感器网络应用的脚步。而对于无线传感器网络的内部服务和外部应用来说,节点的位置信息常常是十分有用甚至必不可少的,所以节点的定位成为了研究热点。定位可以分为测距和非测距定位,其中测距定位要进行距离或者角度的测量,能够取得较高的定位精度,而非测距定位利用网络的连通信息进行定位,不需要为节点安装测距设备,节约了成本并降低了功耗,但因定位精度较低而使其应用范围受到一定限制。为了得到定位精度较高的非测距定位算法,本文重点对质心算法和DV-Hop算法进行了研究,将广泛应用于测距定位中的质点弹簧模型和扩展卡尔曼滤波在非测距的情况下和它们进行巧妙地结合,得到了定位精度较高的L-MSM算法和L-EKF算法。L-MSM算法利用质心算法进行粗定位时,为了提高节点定位成功率,未知节点如果有邻居锚节点则只使用邻居锚节点来定位,没有邻居锚节点就使用已经定位的未知节点来定位,然后质点弹簧模型以节点到所有邻居节点估计距离的平均值作为弹簧的平衡长度对质心算法粗定位后的结果进行迭代求精。L-EKF算法首先利用DV-Hop算法进行粗定位,然后使用具有线性状态方程和非线性观测方程的扩展卡尔曼进行迭代求精,滤波的初始值为粗定位后的结果,滤波的观测变量为未知节点到各个锚节点的跳距。仿真实验表明,L-MSM和L-EKF算法都能够在原有质心算法和DV-Hop算法的基础上大幅提高定位精度。