在无线定位中,视距传播是获得接收信号准确特征测量值的必要条件。传统的定位算法也正是基于这一前提才实现了对移动台的精确定位。但在实际蜂窝网络中,由于大量障碍物的存在,移动台和多个基站之间的视距传播是难以实现的。因此,要提高移动台定位的准确性,就必须研究如何鉴别和消除测量值中由非视距造成的误差。这也是本论文致力于研究的目的。　　论文首先介绍了选题的背景和意义,总结了当前蜂窝网络相关技术的研究现状和应用。然后阐述了视距环境下的经典定位算法,在此基础上,根据非视距环境中到达时间(TOA)测量值的误差统计特性,对现有消除非视距误差的典型算法进行了分析。最后基于TOA定位技术,提出了两种能有效消除非视距误差的视距重构定位算法:　　(1)针对非视距误差的正值特性,提出了一种基于偏移的TOA视距重构算法。该算法将大于平滑值的正偏差近似为非视距误差的一部分,通过使TOA测量曲线下移来减轻非视距传播对TOA测量值所造成的影响。　　(2)在现有基于卡尔曼滤波的定位算法基础上,提出了一种引入非视距转换因子的扩展卡尔曼定位算法。在卡尔曼的迭代过程中利用转换因子视距重构TOA测量值,从而达到消除非视距误差的目的,并且利用非视距鉴别法修正转换因子,进一步提高了算法的定位精度。　　通过计算机仿真和与经典定位算法性能比较,本文提出的两种定位算法能够有效地消除非视距传播对位置估计的影响,具有定位精度高、鲁棒性强的优点。