对于无线传感器网络来说,其研究的重要技术之一就是获取网络节点的位置信息。随着该网络应用的普及,对其的研究也逐渐从静态网络转向动态网络。动态的传感器网络定位技术成为当今关注的热点。节点的移动性使网络能够搜集到更多有用的位置信息,但同时,也给节点实时精确定位增加了难度。首先,本论文概述了移动传感器网络,其中包括移动传感器网络的发展及应用现状、网络结构、特点以及热点技术,重点阐述其实现定位技术的意义。接着分析几种经典的与距离无关的节点定位算法,包括Centroid定位算法、Convex programming算法以及DV-Hop算法。最后推出了无需测距的Monte Carlo Localization(MCL)算法,使用该算法,可以较好的适应网络中节点的移动性和低密度性,同时还能取得较好的定位精度。所以本论文工作的重点是围绕基于MCL移动传感器网络改进算法的实现而展开。本论文以Sample-adaptive Monte Carlo Boxed定位算法理论以及构建节点运动模型为基础,提出了一种基于重叠采样区域的移动传感器网络定位算法。该算法是在经典MCL算法基础上提出的改进,结合AMCB算法,同时利用节点移动模型,对移动节点的运动方向和速度进行估计。最后把信标盒和扇形的相交重叠区域作为采样区域。论文最后在MATLAB软件平台下,通过改进算法与以往算法相比,分析定位精度和采样次数性能表现情况。实验模拟结果显示该算法在移动无线传感器网络中是有效的和可行的,并在维持定位精度的前提下减少能耗,具有良好的性能。