基于超宽带（Ultra-Wide Band,UWB）的室内定位技术凭借其高时间分辨率、高测距精准度以及优异的抗干扰能力在众多基于无线电信号的室内定位技术中脱颖而出。本课题以超宽带室内定位系统研究为基础,针对其非视距条件下产生较大非视距误差的问题,研究非视距误差抑制方法,分别给出了基于非视距数据剔除、基于二重粒子滤波算法、基于组合定位三种非视距误差抑制方法,并通过仿真和实验证实了三种方法的有效性。本文首先对UWB定位基础理论进行研究,通过与其它常见无线电定位技术对比,突出UWB定位技术的优势和特点,研究了UWB定位技术常用的测距方法,针对到达时间（Time of Arrival,TOA）、达到时间差（Time Difference of Arrival,TDOA）等测距方法对于时钟同步性具有较高要求的劣势,采用一种改进的测距方法——基于飞行时间（Time of Fight,TOF）的双边双向测距方法;为了提高UWB定位性能,采用四基站获取距离信息,同时根据三边定位原理,利用定位精度更高的加权最小二乘（Weighted least square,WLS）算法和卡尔曼滤波（Kalman Filtering,KF）算法得到标签位置的最优估计。针对UWB定位系统在非视距条件下会产生非视距误差的问题,本文从三个角度设计了三种不同的抑制方法。第一种方法根据非视距条件和视距条件下总信号强度功率和第一路径信号功率差值不同或者测距值会发生突变的特点将非视距测距数据直接筛选剔除,只利用有效的视距测距值进行定位解算;第二种方法是基于二重粒子滤波算法的非视距误差抑制方法,一次粒子滤波在更新过程中将量测噪声方差视为恒定值,非视距条件下误差较大,粒子群无法正确描述精确位置,因此考虑采用二重粒子滤波方法,以第一次粒子滤波建立的距离误差模型对第二次粒子滤波过程的粒子权值分配进行修正,降低非视距量测数据对定位的影响,达到非视距误差抑制的效果。第三种方法将惯性导航系统（Inertial Navigation System,INS）和UWB进行组合定位以抑制非视距误差。考虑到INS定位时不受环境影响可在短时间内精确定位,将UWB和INS进行组合定位以抑制UWB单一定位产生的非视距误差。相比于松组合模型,紧组合模型不随单一系统的定位误差产生波动。考虑到扩展卡尔曼滤波（Extended Kalman Filtering,EKF）应用于紧组合定位模型中会产生较大的线性化误差且计算过程复杂,采用了基于具有三阶精度的无损卡尔曼滤波（Unscented Kalman Filtering,UKF）组合定位算法。为了进一步提高系统在非视距条件下的定位性能,减小量测噪声协方差失真导致状态估计协方差和状态增益矩阵误差较大的问题,引入自适应渐消矩阵和自适应因子将抗差滤波和自适应滤波与UKF结合起来,设计了基于抗差-自适应-UKF（RobustAdaptation-UKF,R-A-UKF）组合定位算法,仿真和实验结果表明,该算法相比UWB单一定位技术、传统的EKF和UKF组合定位算法,具有更好的定位精度和稳定性,对于非视距误差的抑制效果更佳。