随着移动通信技术的迅猛发展,蜂窝网络定位技术越来越引起人们的广泛关注。有别于GPS等专门提供位置信息的通信系统,蜂窝网络中的定位技术只是一种增值服务,即在提供个人通信服务的同时附带提供位置信息。蜂窝网络定位一般包含两步：第一步,从个人通信信号中提取与位置坐标相关的信息,包括到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)以及接收能量(RSS)等,并将这些信息转换成相应的测量距离,测量距离差以及测量角度；第二步,根据这些与位置坐标相关的信息,采用各种定位算法,得出移动台的位置信息。本文主要针对蜂窝网络定位的第二步,研究和比较各种定位算法的性能,以提出高精度的定位算法。影响定位精度的主要因素为非视距传输误差(NLOS)。处理非视距传输误差的方式有两类：第一类为通过最大似然估计或最小二乘算法减少非视距传输误差对定位精度的影响,此类算法统称为非视距减弱算法；第二类为将非视距传输同视距传输分开,只采用视距传输进行位置估计,进而使得定位精度大大提升,此类算法统称为非视距识别算法。本文针对这两类处理非视距传输误差的方法,分别提出用于非视距减弱的三步线性最小二乘算法以及混合测量距离和测量角度的非视距识别算法。线性最小二乘算法是非视距减弱算法的一种。该算法首先选取一个基站作为参考点,然后采用迭代方法,将移动台与基站间距离的非线性关系转化为线性关系,最后采用最小二乘算法得出位置估计。针对线性最小二乘算法,本文改进的三步线性最小二乘算法。该算法首先逐个选取每个基站作为参考点,并计算出相应的移动台估计位置。然后取这些移动台的估计位置作为初始点对非线性化关系式做泰勒展开,并进一步估计出相应的定位误差。最后取定位误差最小的移动台估计位置作为移动台最终的估计位置。仿真结果表明三步线性最小二乘算法可显著提高定位精度。非视距减弱算法能够显著降低非视距传输对定位精度的影响,但并未解决非视距传输误差较大的问题。基于此,本文提出混合测量距离和测量角度的非视距识别算法。该算法的提出主要基于以下两点：第一点,在视距条件下,测量角度误差较小,约等于真实到达角度；第二点,在非视距条件下,由于多次折射或衍射使得测量角度偏离真实到达角度,即移动台估计位置偏离真实位置。混合测量距离和测量角度的非视距识别算法的思想是先将两个及以上的基站进行组合,并采用低复杂度的混合线性最小二乘算法计算每个组合的移动台估计位置,接着计算移动台估计位置与基站间的到达角度,求出估计角度与测量角度的标准差,取使得标准差最小的组合作为视距组合,并取该组合的移动台估计位置作为最终估计。不在视距组合中的基站的测量距离作为线性约束条件来检验最优组合是否可靠。仿真结果表明该算法的定位精度高,识别非视距的能力强。