在无线传感器网络定位研究中，基于移动信标节点的定位因其具备更高的定位精度、更强的灵活性以及硬件成本的节省而得到了越来越广泛的关注，移动信标节点的动态路径规划是这一领域研究的重点。凸规划定位的精度问题一直制约着其在更多的场合得以应用，因此需要对这一算法在精度方面进行改善。RSSI值测距定位由于不需要增加额外的硬件成本而广泛的得以应用，但是RSSI值的不稳定性又需要对其加以处理。本文从移动信标定位动态路径规划、凸规划定位算法精度的改善以及RSSI值测距定位中RSSI值的处理三个方面展开优化技术研究。在信标节点的移动路径规划方面，本文提出一个信标节点的六方向移动模型，该模型包括信标节点的移动路径、结合该路径的定位算法以及信标节点的移动决策三个方面。在信标节点的动态路径规划研究中提出了导航节点的概念，将已经得以定位并在当前时刻移动信标节点一跳范围内的未知节点升级为导航节点，根据导航节点本身的定位精度以及邻居节点的定位情况对其进行了分类，并赋予不同的权重，最终以权重最大的导航节点协助信标完成移动决策。为了解决凸规划算法中定位精度不高的问题，本文提出一种RSSI值与凸规划相结合的定位策略，未知节点通过比较到各个信标的RSSI值大小，并结合RSSI值与距离的对应关系，将传统凸规划算法中未知节点的存在区域进一步缩小，提升定位精度。针对RSSI值测距定位过程中RSSI值容易受到周围环境影响的问题，本文提出将卡尔曼滤波应用到RSSI值处理过程中，并构建了迭代模型和相应参数，以“预测-实测-修正”的顺序递推，根据系统的观测RSSI值来消除随机干扰，再现RSSI值信号的原始状态。实验结果表明，在有持续干扰的情况下，采用卡尔曼滤波的RSSI值处理方式的输出结果相对于传统处理方式如滑动平均滤波、高斯滤波等更接近真实值，更好地保证了距离转换以及定位结果的准确性。