随着定位技术的快速发展,基于超宽带（UWB）的定位技术在室内定位领域具有重大的应用价值和研究意义。实际室内定位环境中存在大量的障碍物和干扰,往往UWB定位系统都工作在非视距（NLOS）环境中,因此本文对NLOS环境下基于UWB的室内跟踪算法和定位算法展开研究。为了提高NLOS环境下UWB室内跟踪算法对移动标签节点的跟踪精度,减小定位误差,本文提出一种基于卡尔曼滤波的UWB室内跟踪算法。该算法首先利用传统卡尔曼滤波算法初次估计移动标签节点坐标,并根据估计结果得到带有误差的时间到达差（TDOA）值;之后基于TDOA差值进行NLOS误差判别,依据判别结果对受NLOS误差影响的测量值进行视距重构,同时利用仅受视距（LOS）误差影响的历史值更新卡尔曼滤波的协方差阵;最后利用更新协方差阵后的新卡尔曼滤波迭代过程处理视距重构后的数据,得到最终的跟踪定位结果。实验结果表明,该算法在LOS环境下能达到分米级的定位精度;在受NLOS影响的环境下,该算法的均方根误差（RMSE）值为0.3261m,与目前相关算法相比,能够更有效提高定位精度,减小定位误差。为了解决NLOS环境下UWB室内定位算法精度较低,定位误差较大的问题,本文提出一种基于TDOA的UWB室内定位加权算法来削减NLOS误差。该算法首先利用Chan算法初次估计出标签节点的坐标并计算出各锚节点之间的TDOA值;之后基于TDOA差值对锚节点与标签节点之间的信道环境进行NLOS环境判别,并根据环境判别结果对带有NLOS误差的TDOA值进行NLOS误差削减;再将削减过误差的TDOA值带入Taylor级数展开法进行迭代计算;最后构建与距离差相关的加权系数对迭代结果进行处理,得到标签节点最终的精确坐标。仿真实验结果表明,该算法能有效减小受NLOS环境影响下的定位误差,RMSE值为0.9372m,定位性能优于对比算法。该论文有图27个,表5个,参考文献58篇。