在无源定位技术飞速发展的今天,时差(TDOA, Time Difference of Arrival)定位技术以其抗干扰、易实现以及精度高等优点逐渐成为无源定位技术的主流。这种定位方法的原理是通过地面固定基站接收定位目标自身携带的信号源发射的信号并计算出时差来确定目标的位置。如何准确而快速的根据时差数据与目标坐标值之间的非线性关系对目标进行定位,正是本文的重要研究目标。传统的解算方法要求高精度的目标初始位置坐标,运算量大且不一定能得到最终解。由于神经网络对数据本身的模式特征要求不高,因此被广泛应用于非线性函数逼近领域。本文提出了一种用于无源时差定位的神经网络模型。本文首先介绍了课题研究的背景及意义,阐述了相关的时差定位方法及神经网络理论的发展与应用。在简要介绍了总体定位系统的基础上,详细阐述了基于两种不同的时差获取方法的定位模型,并通过对比分析选择了基于内同步的时差定位模型。接着,简要介绍了神经网络的基本理论以及本文用到的BP网络和RBF网络的算法原理。在此基础上,分别建立了用于时差定位的BP神经网络和RBF神经网络的定位模型,并给出了仿真结果和网络误差。最后,分别利用理想测试数据和带偏差的测试数据对两种网络的性能进行了测试,结果表明,网络的定位精度能够达到预期的要求。由于这种基于神经网络的无源定位算法精度高且易于实现,在时差定位方面有着很好的应用前景。