位置定位是一个非常宽泛的研究领域,可分为室外定位系统(OPS)和室内定位系统(IPS)。全球定位系统(GPS)是一个标准定位系统,它可以在室外环境进行精确的定位和导航,然而由于无线电信号不能穿透较厚的墙壁和有散射作用的障碍物,所以会导致不可预测的非视距(NLOS)传播和不可靠的定位结果。为达到室内定位的要求,学术研究界已经提出了多种室内定位技术,但目前,针对室内环境仍旧没有GPS这样的标准定位系统。GPS和IPS等定位系统的开发已经大大影响了世界,但仍在存在局限性。尽管技术一直在进步,这些系统在使用性和可用性上仍有缺陷,需要进一步发展。一方面,GPS只能在室外提供精确的定位;另一方面,现有的室内定位系统也因为其自身的局限性影响了定位的精度,同时限制了定位的应用范围。本文提出了一种可用于室内定位的超宽带(UWB)技术,由于UWB具有高带宽容量,能有效抑制多径效应和非视距传播的影响。本研究中的UWB系统既可以采集实时数据,又能够识别视距(LOS)和非视距(NLOS)传播。然后我们采用Trilititeration算法寻找用户位置,实现定位。UWB系统在通信过程中提供接收信号强度(RSS)和第一路径功率电平(FPPL),这些参数可用于检测算法中。另外,本文还采用了基于机器学习的逻辑回归(LR)算法分辨视距和非视距路径,测量结果显示所采集的数据为二进制,同时提供了视距和非视距接收信号的数量。另一个主要研究工作是应用统计分析,如峰度和偏度分析,它们分别代表数据的极值特性和对称性。识别是在预设阈值的基础上进行的,经过统计分析,可从采集的数据中获得一个新的阈值,有助于根据现有的室内环境设置门限从最小到最大的范围。