近年来伴随着物联网应用的不断深入，无线传感技术也取得了迅猛的发展，尤其以ZigBee无线传感网络为代表的应用已十分普遍。通过大量随机分布的无线传感器节点，人们可以对传感网络中的各点的物理信息进行监控。而在实际应用中这些信息的获取一般需要和节点位置信息绑定，这就要求网络在实现监控功能的同时能有效的对任意网络节点进行定位，无线定位已成为无线传感网络要解决的首要问题。课题主要围绕无线传感网络中提高节点定位精度展开，在对目前国内外的取得的成果进行学习的基础上，提出了在不增加硬件成本的基础上通过算法实现提高定位精度的研究。无线传感网络中节点间的信号强度是定位的基础，但是定位的过程中由于环境中非视距、反射、其它电磁信号的干扰，造成信号强度测量的不准确，从而造成定位的不可靠。目前基于无线传感技术的定位系统一般采用在待测环境中大量布置节点的方式来降低环境因素对定位造成的干扰，这样引起定位成本以及系统功耗的增加，不利于无线传感网络大规模布置及长时间运行，因此如何在不增加系统成本及功耗的基础上提高定位精度仍是无线传感网络应用中的难题。课题利用RBF前馈神经网络的非线性拟合能力对测距环境中的RSSI值与距离进行曲线拟合，用拟合曲线函数对所测环境中的RSSI-距离进行映射的方法，来补偿测距过程中RSSI值受到环境的影响导致测距不准的问题，提高了测距精度，降低了对参考节点数量的要求；预测距离信息通过串口传至上位机开发的定位程序完成对待定位节点的定位，课题中定位算法利用在LabVIEW中开发的上位机实现，相对于利用节点内部定位引擎直接定位，减少了节点的运算量，降低了功耗，增加了程序的可读性及可移植性。完成的定位系统具有数据采集、数据处理、结果显示于一体的优点，该系统将测距精度提升的程序直接嵌入定位程序，在保证定位系统实时性以及不增加成本的前提下完成了对定位精度的提升。