基于超宽带(UWB)技术的室内定位精度比基于WIFI的方法高,定位范围比基于Bluetooth的方法大,因此在室内定位中越来越常见。基于TDOA定位算法的UWB定位系统只需要基站节点之间保持时钟同步,移动节点与基站之间的时钟无需同步,大大降低了系统设计的复杂度。TDOA定位算法通过测量不同基站到相同移动节点的信号传播时间差求得距离差建立双曲线方程组,然后求解方程组得到移动节点的坐标。在双曲线方程组的求解过程中使用最小二乘法进行位置估计解决方程组无解或多解的问题。在复杂的室内环境中,移动节点在静止状态时会出现的坐标“抖动”,即同一位置不同系统时刻计算出的位置不相同,这给移动节点的运动距离统计带来了巨大的误差。为降低误差,在距离统计中需要消除出现的抖动。基于运动状态分析的距离统计方法将移动节点的运动状态划分为静止状态、无意识的运动状态、短距离的往返运动和长距离运动状态四种类型。静止状态的数据不参与距离统计初步去除部分误差,然后再借助卡尔曼滤波、最小二乘法等方法处理非静止状态的数据,减小运动状态划分不准确带来的误差,从而提高距离统计的准确率。为实现运动状态划分,原始坐标序列数据按时间长度分割成多个子序列,将子序列的轨迹长度、均方差和互异坐标点数量作为特征向量进行分类训练,并使用K近邻、SVM与多层感知机进行分类。为测试方法的有效性,基于真实数据进行子序列划分,利用分类器进行子序列的运动状态判定,然后使用轨迹优化算法处理非静止状态的数据并统计距离。实验结果表明,在运动状态划分后,去除静止状态的数据,再使用轨迹优化算法处理其他状态的数据,运动距离计算结果的准确率有极大的提升。基于轨迹优化的距离统计方法将距离统计误差减小到7.18%,而结合轨迹优化方法和运动状态分析的距离统计方法比上述方法更优,其相对误差的下降到1.5%内,最小值可以达到0.9%。