随着科技的迅速发展及现代化战争环境的日趋复杂化,人们对于机动场景的定位精度要求越来越高,机动基站以其灵活性、机动性高和相对独立的特点,可以很好地应用于目标动态运动环境的定位中。但在实际的信号传输过程中,由于地理环境的复杂性和目标的动态性,在采用机动基站对目标进行定位跟踪时,会受到非视距（None Line of Sight,NLOS）效应的严重影响,从而导致定位算法的定位精度大幅度降低。因此,本论文针对NLOS条件下的机动基站定位技术展开研究,主要工作如下:1.针对现有的单站定位技术在NLOS条件下对动态目标进行定位跟踪时存在定位精度低、实时性差的问题,提出一种基于测量值丢弃法（Measurement Discarding Method,MDM）的单机动基站目标定位跟踪算法。该算法采用基于到达时间（Time of Arrival,TOA）与到达角度（Angle of Arrival,AOA）的单站测量模型,将其作为无迹卡尔曼滤波器（Unscented Kalman filter,UKF）的测量方程;为了抑制NLOS误差,在UKF中引入门限值,根据该值与UKF的新息值比较作为是否丢弃测量值的依据;最后利用滤波器的跟踪性能对移动目标（Mobile Target,MT）进行定位跟踪。实验表明,本文提出的算法缓解了单站定位技术在NLOS条件下对动态目标定位跟踪时定位精度低、实时性差的问题。2.当环境条件及目标的运动状态越来越复杂时,针对现有定位技术在视距（Line of Sight,LOS）和NLOS混合条件下对机动目标进行定位跟踪时存在定位精度低的问题,提出一种基于双马尔可夫链的交互式多模型（Interactive Multiple Model,IMM）算法,实现在LOS/NLOS下的机动目标定位。该算法基于IMM-UKF的框架,构建了两个独立的马尔可夫链,实现LOS与NLOS两种信道状态的切换和目标运动状态切换。其中,在LOS条件下,直接利用IMM中UKF的滤波值得到LOS条件下的位置估计;而在NLOS条件下,利用三边定位偏差优化处理内点法修正IMM中UKF的滤波值得到NLOS条件下的位置估计。最后利用IMM的交互特性融合两个条件下的估计值,得到目标位置坐标。实验表明,本文的方法提高了在LOS/NLOS条件下机动目标的定位精度。综上所述,本文提出的算法能够解决受NLOS干扰及目标动态性导致的实时性差、定位精度低的问题,并与其它算法进行对比,具有估计结果误差更小,估计出的目标运动轨迹更接近于真实轨迹的优点。