目标位置的获取方法在军用、民用两个应用领域都有十分重要的研究意义。基于参数测量的目标定位算法在过去的几十年中已经有了大量的研究,取得了相当丰富的研究成果。其中,目标位置估计的闭式解算法由于其计算简单、估计性能优异,且能满足多种设备和应用场景对实时性和精度的要求,因而备受关注。传统的定位算法都基于笛卡尔坐标系,在研究中均假设传感器和目标位置的几何分布是无病态的,且目标位于近场或远场的先验知识已知。随着研究的深入,越来越多的学者注意到,诸多经典定位算法无法应对一些特殊的传感器-目标位置几何情况,而在这些情况下,经典的基于笛卡尔坐标系的定位算法都会不同程度地遇到矩阵病态问题。其中两种特殊的情况,分别出现在单站定位和目标距离先验知识未知的定位场景中。在单站定位问题中,由于定位系统基线受限,测量方程的矩阵很容易病态。解决该问题应从两个方面入手:一方面研究新的算法抑制矩阵病态对算法性能的影响;另一方面需要设法提高系统的基线长度。另一个问题是距离门限效应,即当目标到传感器的距离超过一定的范围时,传感器网络对目标的定位性能将急剧下降。最新的研究提出了修正极坐标表示(MPR)以统一近场定位和远场测向问题,但是相关文献中提出的算法计算量大且无法保证迭代的收敛性。近远场统一模型和单站定位方法是完善目标定位研究的又一次突破,也是近年来国内外在目标定位领域的研究前沿与热点。本文针对单站定位和近远场统一模型中基于MPR的目标位置估计问题的闭式解进行了理论分析、算法研究、仿真验证等系统性的工作,主要内容如下:1、讨论了多站定位系统中存在的几种矩阵病态问题。通过对TDOA定位、AOA定位和AOA-TDOA混合定位的混合巴塔查里亚-巴兰金界(HBBB)推导,从数学上证实了笛卡尔坐标系中的近场定位模型随着目标距离的增加会出现的门限效应,为后续研究的必要性与必然性提供了理论支撑。2、利用静止观测站与运动目标之间的相对运动,通过数据批处理的方法增加系统的等效基线长度,并给出了该模型下目标位置和速度估计的克拉美罗下界(CRLB);在验证常规的WTLS算法无法有效抑制矩阵病态的基础上,提出运动目标单站定位的偏差抑制(BR)算法和基于牛顿-高斯迭代的最大似然估计(MLE),解决了单站定位中矩阵的扰动抑制问题,为目标位置和速度的估计给出了准确可靠的方法。3、推导了近远场统一模型中TDOA定位的CRLB,提出了两种近远场统一模型中TDOA定位的闭式解算法:逐次非约束最小化(SUM)算法和广义信赖域子问题(GTRS)算法,克服了传统TDOA定位的门限效应,通过小噪声条件下的近似,实现了方程的伪线性化,获得了基于MPR坐标的TDOA定位方法闭式解。4、针对近远场统一模型中TDOA定位算法偏差明显高于MLE的问题,提出了两种新的闭式解算法:直接偏差校正(DDR)算法和约束偏差校正(CDR)算法。与前面所提出的两种闭式解算法SUM和GTRS相比,DDR和CDR有效地降低了对目标MPR坐标的估计偏差。5、在更加符合实际的情况下,即将传感器位置误差考虑到模型中,推导了该情况下的CRLB,提出了两种传感器包含位置误差时的近远场统一模型TDOA定位闭式解算法:加权误差补偿(WEC)算法和无约束逐次校正(USC)算法,解决了传感器位置存在误差场景下的TDOA目标定位问题,有效抑制了传感器位置误差对目标位置估计精度的影响。6、推导了近远场统一模型中AOA定位和AOA-TDOA混合定位的CRLB;针对只有AOA测量的情况,提出了基于特征分解的代数解算法:约束特征空间解(CES);针对AOA-TDOA混合的情况,提出了新的SUM和GTRS算法。填补了现有基于MPR坐标的AOA和AOA-TDOA定位方法无代数解/闭式解的空白。本文提出的所有算法都从理论分析和仿真实验两个方面验证了算法的可行性和对目标位置估计的准确性。二者的结果表明,在小噪声条件下,本文所提出的算法均能有效的估计目标的位置,其估计值能够达到CRLB的精度。对于所提出的改进算法,其MSE和偏差较原算法都有较大的改善。