超宽带(Ultra Wideband,UWB)移动节点受环境非视距(Non Lineof Sight,NLOS)影响较大,容易导致定位和跟踪的精度低、实时性差和鲁棒性弱等问题,不能满足实际应用需求。本文从定位和跟踪两个方面对传统UWB移动节点定位与跟踪算法进行研究,主要研究如下:首先,论文阐述了本文选题的研究背景及意义,介绍了国内外的研究现状,接着对现有的UWB定位方法、基于接收信号到达时间法(Time of Arrival,TOA)测距方法以及基于TOA的定位算法及其性能指标进行了详细介绍。在此基础上,对常见基于TOA的定位算法分别在视距(Line of Sight,LOS)环境和NLOS环境下进行仿真分析。仿真结果表明,最小二乘(Least Squares,LS)定位算法的定位性能表现最佳。在UWB移动节点定位算法研究方面,首先对UWB的信道冲击响应(Channel Impulse Response,CIR)信号特征与NLOS误差变化规律进行分析,给出一种基于CIR信号特征模糊推理定位算法来缓解NLOS误差的方法,来提高定位精度。在此基础上,考虑到一些其算法估计NLOS误差与实际NLOS误差偏差较大情况,本文提出了基于模糊推理与自适应抗NLOS卡尔曼滤波(Kalman Filtering,KF)融合的定位算法。首先利用CIR信号特征对NLOS误差进行一步缓解,然后利用KF算法中新息与新息方差之间差的变化来调节新息的值,对一步缓解后距离数据再次进行缓解,通过两步缓解来提高测距精度,最后通过LS定位算法完成定位。在NLOS情况下,静态和动态定位实验结果表明,本文提出定位算法精度最高,有效改善了 UWB移动节点定位精度低问题。在UWB移动节点跟踪算法研究方面,本文首先对似然概率分布对粒子滤波算法(Particle Filtering,PF)精度影响进行分析,提出了基于分层粒子多样性度量标准。针对传统重采样PF算法存在粒子多样性匮乏的问题,本文提出了基于改进重采样PF算法。每次重采样后,对重采样后粒子基于分层粒子多样性度量指标进行粒子多样性判断,如果多样性低于设定的阈值g,就对所有粒子按照设定方差ξ进行高斯随机游动,以增强粒子多样性,提高PF算法跟踪精度。MATLAB仿真实验和实际实验结果表明,本文提出的基于改进重采样PF算法跟踪精度最高,有效改善了非线性目标跟踪效果。最后,利用Qt开发平台,设计开发基于UWB移动节点定位系统,并利用该系统对所提出定位和跟踪算法进行实验测试。实验结果表明,UWB移动节点定位系统在满足设计需求的前提下运行良好,所提出定位和跟踪算法改善原算法不足,提高了精度。