随着全球对室内高精度定位问题的重视,超宽带(Ultra-Wideband,UWB)定位技术逐渐兴起,成为室内定位技术的主力军。然而,在一些复杂环境中由于障碍物密集和地势复杂等因素,导致UWB信号的传播在视距(Line of Sight,LOS)与非视距(Non Line of Sight,NLOS)两种方式之间随机切换,使得定位的精度下降。本文针对复杂环境下的UWB定位问题进行研究,主要研究包含两部分内容:(1)复杂环境下基于多维尺度标度(Mutidimensional Scaling,MDS)的UWB静态定位问题。在这一部分内容中,首先分析了经典MDS算法在UWB定位中的应用,并就经典MDS算法在实际应用过程中,由于测量误差较大导致的定位不稳健进行了改进。采用基于最小绝对误差(Least Absoulte Error,LAE)的原则构造出关于距离的代价函数,得到一种基于LAE的MDS算法,使得MDS算法更加稳健。同时,建立一种基于广义重心坐标的还原算法,将MDS算法所求的相对位置还原到绝对位置。针对锚节点标定花费大量人力物力资源的问题进行研究,建立了一种基于MDS的锚节点自标定算法。在锚节点自标定算法中,首先利用距离信息构建出定位坐标系,然后通过一种分布式的方法来求解出其它锚节点在该坐标系中的位置,从而实现所有锚节点的自标定,达到节约人工成本的目的。(2)复杂环境下基于序贯扩展卡尔曼(Squential Extended Kalman Filter,SEKF)和距离重构的移动目标定位问题。首先利用SEKF算法来得到移动位置的估计值,计算出移动目标到各锚节点的预测距离与测量距离的差值,然后通过马氏距离分类器识别出测量值的传播条件。当LOS的个数不满足定位的需求时采用一种距离重构的算法对NLOS进行重构,从而实现定位精度的提高。在该算法中,采用SEKF算法,避免了传统扩展卡尔曼求解高维逆矩阵的问题,减轻了算法的复杂度与计算量。同时,建立了一种距离重构算法实现NLOS的重构,使得在NLOS较多时也能保持较好的定位性能。