无线传感器网络（Wireless Sensor Network,WSN）正以其低功耗性能以及数据大范围分布传输的独特优点而被广泛应用于在各个领域。节点定位技术一直是WSN中的一个核心部分,DV-Hop算法作为当前WSN技术中的另一个最常用的节点定位算法越来越受到了学者们广泛的重视。本文在对DV-Hop算法进行系统研究分析时还发现它虽然计算成本低但定位精度偏差很大。因此,针对这一问题,本文进行了以下几点研究,主要工作如下:（1）针对DV-Hop定位算法在计算最小跳数和平均跳距时存在的误差,本文提出一种分层DV-Hop（Layer DV-Hop,LDV-Hop）定位算法。在计算最小跳数时引入马斯洛需求金字塔分层的理念,将最小跳数根据需求进行分层。通过分层的实际情况分别为每一层的平均跳距赋权重,对其误差加以校正。根据矫正后节点的平均跳距可算出从锚节点至未知节点之间的距离,计算出未知节点的坐标信息。（2）针对DV-Hop定位算法在计算最小跳距数时与计算平均跳距数时所产生的偏差,本文提出一种混合并行压缩分子布朗运动优化算法（Mixed Parallel Compact Gases Brownian Motion Optimization,MPCGBMO）对未知节点进行定位。分析传统的GBMO在算法运行时存在着容易陷入局部最优、运行时间过长且时间复杂度较高等缺陷。针对GBMO容易陷入局部最优的问题,提出一种并行策略。为了解决算法的运行时间过长的问题,本文提出一个种群数量随着运行时间变化的种群数量更新公式;同时,本文引入压缩方案,使得算法的时间复杂度得到明显的降低。（3）本文在LDV-Hop的基础上,将所提出的MPCGBMO算法引入到对未知节点的位置估计过程中,代替传统的数学方法进行定位,并提出了MPCGBMO-LDV-Hop定位算法。最终,通过三组不同情况下的仿真实验,验证了本文所提出的方法相较于传统DV-Hop以及基于其他进化算法的LDV-Hop的优势。仿真结果表明,本文所提出的MPCGBMO-LDV-Hop算法在定位精度上有了明显的进步。当通信半径设置为15m、20m、25m、30m、35m、40m,节点总数和锚节点数目分别为200和20时,本文所提算法相较于传统DV-Hop的定位精度分别提高了28.44%、13.3%、15%、14.58%、14.52%和12.15%,为DV-Hop的研究提供了有效的参考方案。