随着信息技术在日常生活中的广泛应用,室内定位导航的需求也在日益增长,但是GPS无法在室内使用,并且基于RSSI的蓝牙、WIFI、GSM等传统的室内无线定位方式在精度和效果上也已经无法满足日益增长的需求。超宽带UWB技术具有数据容量大、频谱宽、测量精度高等特点。TOA和TDOA是常见的定位技术,基于超宽带TOA和TDOA定位的缺陷是存在多径效应和NLOS传播问题,定位精度虽高但是不够稳定。惯性测量平台IMU是近年来快速发展的MEMS技术的典型应用,将加速度计、陀螺仪等集成于一块芯片上来缩小体积,减低功耗。IMU的测量精度较高,可以实现效果较好的运动追踪。但是IMU同样存在着明显的缺陷,就是漂移现象,而长时间漂移会因为积分误差放大从而使计算发散,在低成本的IMU上这种现象更加明显,并且IMU还存在初始方向不易对齐的问题,无法在导航定位过程中自我修正。由于上述单一定位方式存在各自的缺陷,融合技术成为了研究的热点,通过综合不同定位技术的优势,以实现更好的定位效果和稳定性。因此本文将基于扩展卡尔曼滤波技术实现IMU和UWB技术的融合,提升室内导航的定位精度和稳定性。主要流程是利用IMU获得的速度和角度信息,在基于航迹推算法上估计目标的位置信息,并采用四元数方法实现对运动目标姿态的跟踪。之后采用基于UWB的TOA和TDOA技术,通过EKF实现超宽带TOA/TDOA和IMU的融合,解决IMU定位的长时间积分发散问题,并通过IMU的定位抑制UWB技术存在的多径和NLOS问题导致的定位错误,提高了室内导航定位的精度和稳定性。本文还通过设计了一款小型低功耗的标签点模块来验证融合算法的有效性,包括模块的软件和硬件设计。硬件包括超宽带电路、IMU电路、中控和电源管理等,软件部分则实现了超宽带TOA/被动式TDOA和IMU的融合,利用子矩阵化和对称矩阵的特点优化EKF算法,提高了算法的执行速度,降低内存占用。软件驱动则包含IMU驱动和校准算法、TDO/被动式TDOA驱动以及LORA驱动等。最后通过系统实验分析了TOA和TDOA数据的误差和偏移问题以及IMU校准的效果,并通过单点定位和运动定位两种情况验证了融合算法的有效性。