无线定位技术是一项古老而又年轻的技术。随着通信技术的发展和信息时代的到来,无线定位技术已经应用到人们生活的各个领域：安全服务、资讯服务、导航服务、追踪服务等众多方面,它正在改变着人们的生活方式。无线定位技术本质上是通过检测移动台和多个固定位置收发信机之间传播信号的特征参数来估计目标移动台的几何位置。常用的信号特征参数有信号到达强度(SOA)、信号到达角度(AOA)、信号到达时间(TOA)以及信号到达时间差(TDOA)。目前基于TOA/TDOA的定位方法应用较为广泛,本文的主要工作是研究TOA/TDOA时延参数的估计算法。论文分别研究了固定时延和时变时延两种情况下的时延参数的估计算法,其中时变时延贝叶斯估计算法的研究是本文的重点。对于固定时延,论文研究了广义相关法(GCC)、三阶累积量和双谱法以及四阶累积量相关联合法。相关法虽然经典简单,但是它要求信号与噪声、噪声与噪声之间相互独立,而高阶累积量法恰好能解决此问题。对于时变时延,论文研究了一系列贝叶斯估计方法：扩展卡尔曼滤波(EKF)方法、无味卡尔曼滤波(UKF)方法、粒子滤波(PF)方法、扩展卡尔曼粒子滤波(EPF)方法、无味粒子滤波(UPF)方法。卡尔曼滤波是高斯噪声下线性系统的最优估计。当系统是非线性时,EKF可以利用非线性函数的一阶泰勒级数展开对其进行线性近似,提供一种次优估计。UKF则以UT变换为基础,采用了卡尔曼滤波框架,没有忽略高阶项而且不需要计算复杂的雅克比矩阵,计算精度较EKF更高。PF是近年来被广泛使用的一种基于蒙特卡罗(Monte Carlo)思想的贝叶斯方法,其基本思想是利用一系列采样粒子来近似状态的后验概率分布,进而得到状态的估计值,它的特点和优势就是可以有效地处理非线性、非高斯环境下的状态估计。重要性函数是粒子滤波技术的关键,它的选择直接决定粒子滤波的滤波性能。标准PF的重要性函数没有考虑当前的观测值,而EPF基于EKF来产生重要性函数,UPF基于UKF来产生重要性函数,这两种重要性函数充分结合当前的观测值,更加接近真实的后验概率分布,因此EPF和UPF的滤波性能较PF更强。文中详细讨论了上述算法并将其用于估计时变时延,实验结果具有一定的理论意义和实际价值。文章最后对论文工作进行了总结,并就课题的进一步工作进行了展望。