智能设备的发展和广泛应用,使得室内定位技术的研究成为相关研究人员关注的热点。相对于室外定位系统,干扰大、场景复杂、精度要求高等特点使得室内定位技术面临挑战。其中,超宽带(Ultra-wideband,简称UWB)定位作为一种精度高、抗干扰强且成本低的定位方案被广泛地研究与应用。然而当前大多数研究仅仅针对静态目标,而对于移动物体的定位进而轨迹跟踪,采用UWB定位技术还不多见。本文提出了基于接收信号强度(Received Signal Strength Indication,简称RSSI)锚点筛选的UWB定位方案,结合移动物体的惯性导航定位,研究了适用于移动物体的动态连续跟踪与定位的基于卡尔曼滤波的动态融合定位算法。仿真结果表明,相对于普通的UWB定位方案,基于RSSI锚点筛选UWB的定位方案采用多维度数据,对易受环境干扰的不良节点予以剔除,提高了定位的可靠性和精确度,该方案在复杂环境下表现更优。同时由于融合了待测物体的动态特性,基于卡尔曼滤波的动态融合定位算法在动态仿真实验中能够有效提高定位精度并有良好的鲁棒性。为进一步验证本文算法的有效性,借助移动智能车搭建了基于TOA\TDOA算法的UWB定位系统,构建了动态定位测试平台,并基于该硬件平台,进行了室内真实场景下的定位实验。实验结果表明,在单点静态定位中相对于普通的UWB定位,基于RSSI锚点筛选的UWB定位方案能够得到更稳定的定位精度。而在动态定位场景中,基于卡尔曼滤波的动态融合定位算法可以有效结合UWB定位和惯性导航定位的优点,在干扰较大的环境中,仍然可以获得精度较高的定位效果。