本文研究了带有噪声距离测量的传感器网络的分布式定位问题。 基于带符号的重心坐标表示，提出了一种称为ECHO-MN的分布式迭代算法，该算法可以通过相对距离测量来计算。 提出测量噪声模型，然后是利用过去的测量信息的无偏距离估计器。 利用估计器，每个要定位的传感器节点都会更新其对节点间距离的估计，并在定位迭代之前计算重心坐标。 为了衰减测量噪声的影响，在算法中使用了衰减为零的增益参数。 事实证明，在某些必要条件下，ECHO-MN几乎可以肯定地收敛到每个传感器的精确位置。 数值研究表明了提出的定位算法。

本文研究了传感器网络中基于相对位置的节点定位问题，其中在存在测量噪声和通信噪声的情况下，所有节点都没有共享公共参考系。 针对该问题，设计了一种鲁棒的分布式方向估计算法和鲁棒的分布式节点定位算法，在该算法的基础上，基于历史测量信息构造了无偏估计器，以抑制测量噪声，并采用随机逼近法抑制通信噪声。 。 在测量/通信噪声的零均值和独立性假设下，我们证明，在且仅当网络包含至少一个锚节点时，所有传感器节点才能在设计算法下几乎确定地渐近确定其自身的方位角和位置，它的通信和距离传感拓扑以锚节点集为根，并连接了相