室内移动机器人为目前的生产、生活提供了巨大的便利,稳定可靠安全的定位算法为室内移动机器人高质量、高效率的完成任务提供了保障。基于超宽带与微惯性测量单元的组合导航系统为室内移动机器人的自主定位和导航提供了解决方案。然而,对于多变的室内环境,室内移动机器人定位过程中存在不确定性,其系统模型往往具有非线性和不确定性的特点。为改善室内机器人定位精度及稳定性,对基于超宽带（Ultra Wide Band,UWB）和惯性导航系统组合定位的非线性滤波算法进行研究具有重要意义。基于此,本文研究了UWB系统与微惯性测量单元（Micro-Electro-Mechanical Systems Inertial Measurement Unit,MEMS-IMU）的组合导航系统,对组合导航算法进行改进。总体上提高了定位系统的精确性、稳定性与安全性。主要研究内容如下。1.针对UWB和MEMS-IMU的工作机制进行了介绍,同时对超宽的安全机制进行研究,结合实际应用场景和UWB的信息传输机制,提出了基于认证的超宽带安全防护机制,采用消息认证码和密钥链来保障超宽带的网络安全,防止定位信息在传输过程中被人非法截取。2.针对UWB和MEMS-IMU的特点,构建了基于UWB/MEMS-IMU组合的室内机器人定位系统,使UWB、MEMS-IMU的误差可以相互抑制,初步减少定位过程中的误差,并采用直接法推导组合定位系统的状态方程和量测方程。3.对卡尔曼系列滤波算法进行了详细的研究,其中包括卡尔曼滤波算法、扩展卡尔曼滤波算法和无迹卡尔曼滤波算法。针对无迹卡尔曼滤波算法对系统的鲁棒性较差问题,采用新息匹配的思想对算法进行修正形成改进的无迹卡尔曼滤波算法,使噪声能够根据系统自适应的调整。实验结果表明:改进的无迹卡尔曼滤波算法的性能相比扩展卡尔曼滤波算法、无迹卡尔曼滤波算法更佳。4.针对传统组合导航中采用单一建模的方法无法对机动载体准确估计的问题,将交互式多模型算法应用到UWB/MEMS-IMU组合定位系统中。对机器人运动过程中的噪声进行分析,把噪声模型作为交互式多模型切换时的模型集的选择。实验结果表明:IMM-AUKF算法相比于AUKF、IMM-UKF算法精度高、鲁棒性好。将AUKF与IMM算法结合,提高了组合导航系统的定位精度与稳定性。