摘要：近年来,无线定位技术在应急通信、公共安全、资讯服务、导航追踪等领域取得了长足的发展,但大多数定位解决方案都是基于卫星的室外定位。因为室内环境下接收不到卫星信号,所以本文的研究重点是室内环境下的无线定位方法,而目前基于RSSI的室内定位方法应用最为广泛,故本文研究工作以基于RSSI室内定位估计算法为主,以TOA/TDOA室内定位估计算法为辅。室内无线定位由于复杂环境多径效应的影响,导致接收信号强度指示(RSSI)定位方法在室内环境下会存在较大的误差。文章首先提出了一种基于平方根容积卡尔曼滤波的RSSI参数估计算法,该算法将RSSI定位问题转变为非线性方程组的参数估计问题,使用平方根容积卡尔曼滤波(SCKF)对目标位置和无线信道衰减参数同时进行估计,并利用信道参数动态变化实时修正估计的定位节点坐标。实验结果表明,基于SCKF的目标位置和无线信道参数估计算法相比于传统的最小二乘曲线拟合的RSSI定位方法,能够有效提高室内无线定位的精度。接下来,文章针对RSSI定位方法在室内环境下存在较大误差的问题,利用容积卡尔曼滤波来设计粒子滤波器的重要性密度函数,并将当前的测量信息迭代到贯序重要性采样(SIS)过程中,形成一种基于迭代容积粒子滤波的RSSI蒙特卡罗定位算法。该算法使用迭代容积粒子滤波对目标位置和无线信道衰减参数同时进行估计,由于采用迭代的方式对测量方程进行更新,能够进一步提高无线信道衰减参数的估计精度。仿真结果表明,基于迭代容积粒子滤波的RSSI蒙特卡罗定位算法对比基于无味粒子滤波的RSSI定位算法,能够有效降低室内无线定位的误差。在基于粒子滤波的时延差估计方法中,重要密度函数的选取将直接影响到估计的性能。为了减小时延差参数后验概率分布的偏差,文章又提出基于容积粒子滤波的时延差估计(BCPF-TDE)算法,该算法利用最新的数据检测信息,通过容积卡尔曼滤波(CKF)获取粒子滤波的重要性密度函数。仿真实验结果表明,在粒子数目相同的情况下,基于容积粒子滤波的时延差估计(BCPF-TDE)方法较基于扩展粒子滤波的时延差估计(BEPF-TDE)方法,定位估计误差只有后者的50%左右,而运行时间相当。这说明BCPF-TDE方法在非平稳、非高斯的加性噪声环境下,时延差估计的有效性和可靠性均能得到保障。文章最后总结了整个论文工作,针对室内定位估计算法进行了展望。