在物联网（Internet of Things,IOT）和网络物理系统（Cyber Physical Systems,CPS）的飞速发展的时代,迅速获取室内人、设备以及其他物体的位置信息是现在最受关注与发展最迅速的领域之一。超宽带（Ultra-Wideband,UWB）室内定位凭借低成本、低功耗、抗多径干扰和穿透能力强等优势,成为当今室内定位的热门技术之一。然而,随着人们对室内位置服务的要求不断增长,UWB室内定位系统仍面临一些挑战。因此,本文围绕UWB在复杂室内环境下精准定位的问题展开了深入研究。论文的主要研究内容包括:（1）为了缓解非可视距（Non Line-of-Sight,NLOS）带来的定位误差,提出了基于UWB和惯性导航单元（Inertial Navigation Unit,IMU）融合的优化系统。对目前的交互式多模型（Interacting Multiple Model,IMM）滤波算法进行了改进,在传统的单观测值上再加入一个速度观测值,并且提出了功率自适应的马尔可夫概率转移矩阵,使IMM滤波算法对复杂环境更具有适应性且更好地平滑了因NLOS影响的测距。另外为了提升行人步态检测速度,还提出了一个假峰跳跃机制。经过实际的场景测试,与现有的基于行人航位推算（Pedestrian Dead Reckoning,PDR）和UWB的扩展卡尔曼滤波（Extended Kalman Filter,EKF）融合方法（PDR/UWB-EKF）、基于PDR和UWB使用高斯分布检测去除异常测距的EKF融合方法（PDR/UWB-EKFO）和使用传统的IMM平滑的PDR和UWB的EKF融合方法(IMM-PDR/UWB-EKF相比,所优化的UWB和IMU融合系统表现出更优越的定位性能。（2）为了规避NLOS带来的定位误差,提出了基于UWB信道脉冲响应（Channel Impulse Responses,CIR）信息的几何定位系统。对CIR模型进行了理论分析,得到了CIR与室内位置的映射关系,然后根据CIR模型给出CIR的17种特征值以供机器学习区域定位使用,选择已定位区域中两条链路属性为可视距（Line-of-sight,LOS）的链路进行几何定位,从而直接规避带有误差的链路来实现定位。最后,经过在实际复杂环境中的测试,与三边定位方法和基于功率去冗余三边定位方法相比,本文提出的基于UWB CIR的几何定位系统在NLOS环境中有非常好的性能表现。本文所提出的UWB定位系统为缓解和规避NLOS误差影响提供了非常重要的备选方案。