室内移动机器人实现自主定位是其一项最基本、最重要的功能，也是其完成一系列智能任务的前提。相对于其他环境感知传感器，超声波传感器因其低廉的价格、硬件容易实现并且技术成熟等优点，已广泛应用于移动机器人的室内定位系统中。本文对已知室内环境中移动机器人的超声波传感器网络定位方法进行了研究。针对超声波网络定位存在的两个缺点：在有障碍物遮挡时无法定位和需要铺设大量的底层硬件设施，将多传感器融合算法应用到基于超声波传感器网络、编码器以及电子罗盘的组合定位系统中，主要进行以下几方面工作：建立基于编码器的两轮差速移动机器人运动学模型，通过对超声波网络定位系统和电子罗盘定位原理及误差进行分析，建立了观测模型。利用扩展卡尔曼滤波算法将多传感器数据进行融合，解决超声波网络定位系统有障碍物遮挡时无法定位的问题，并仿真验证。为了减少超声波传感器数量，提出一种基于稀疏超声波传感器网络、编码器和电子罗盘等多传感器融合的机器人自定位方法。该方法利用异步时间到达（Asynchronous Time of Arrival，ATOA）测量值求解机器人坐标。对定位原理及误差进行了分析。提出了双层卡尔曼滤波算法（Double-Layer Kalman Filter，DLKF）进行数据融合处理，并仿真验证。对主动式和被动式超声波网络定位架构进行分析比较，对主动式定位方法进行了改进。设计了实验用机器人系统，搭建了超声波网络定位系统。对系统性能进行了调试，进行了密集和稀疏两种超声波网络覆盖情况下的机器人定位实验，定位精度分别达到2cm和5cm，分析了影响定位精度的因素，验证了定位方法的有效性。