随着无线通信技术的快速发展,无线定位技术在人们的日常生活中发挥着越来越大的作用,快速准确地获取移动终端的位置信息和提供位置服务的需求变得日益迫切。因此,在各种不同的无线网络系统中,快速、准确地获取移动终端位置信息的定位技术及其定位系统已经成为当前的研究热点。在现实中,采用一种定位技术进行移动台定位,往往由于该定位技术自身的局限性,导致无法定位或者定位效果不是很理想。随着无线定位技术的深入研究,混合不同的定位技术,弥补各自的缺陷,发挥其优势,实现无缝高精确定位成为无线定位的发展趋势。首先,提出一种基于BP神经网络的混合定位算法,解决采用基站或者GPS卫星单独进行定位时,存在移动终端观测不到足够数目的GPS卫星或者基站定位的测量数据不足,导致无法定位的问题。利用BP神经网络对基站TDOA测量值和GPS伪距差值进行修正,再利用定位算法对移动台进行位置估计。最后,在非视距环境中,对该定位算法进行了仿真评估。仿真结果表明,该算法能够实现对移动台的定位,并且定位误差明显低于另外一种定位算法,说明该定位算法能够有效地消除非视距误差的影响,提高了定位精度。随着移动台定位的广泛应用,移动台处于运动状态也需提供实时定位与跟踪的服务,给出了一种基于BP神经网络的马尔可夫链定位跟踪算法。利用BP神经网络对测量的数据进行修正,消除非视距误差的影响,然后利用混合定位算法对移动台进行位置估计,最后采用马尔可夫链路配合相关检测门限实现移动台的跟踪。仿真结果表明,该跟踪算法能够实现对移动台的动态跟踪,跟踪性能良好。接着,给出了一种基于BP神经网络的卡尔曼滤波跟踪算法。首先利用BP神经网络对定位测量数据中的非视距误差进行修正,再通过混合定位算法估计出移动台的初始位置,然后利用卡尔曼滤波器修正移动台的初始估计位置,并配合相关检测门限对移动台进行跟踪。仿真结果验证了该算法的有效性。最后,对全文内容做了详细的总结概括,对移动台定位研究中涉及的一些问题进行了探讨,并对无线定位技术的发展做了展望。