无线定位技术的研究，至今已经有近百年的历史，随着近些年无线通信技术的进步，人们对定位服务的要求变得越来越高。在无线定位技术中到达时间差（Time Difference of Arrival，TDOA）是一种优秀的定位技术。本文聚焦于TDOA定位技术研究，包括关键的两部分:时延估计技术和定位算法。其中，时延估计技术和无线通信的的物理层技术相关，研究范围十分广泛。本文分为两个部分:时延估计技术部分和TDOA定位算法部分。　　本文的主要创新点如下:　　1.研究了一类重要的时延估计——正弦波时延估计问题。通过对传统基于自适应滤波器的方法和基于离散时间傅里叶变换(Discrete Time Fourier Transform，DTFT)的方法的研究，提出一种基于滑动窗口递归离散时间傅里叶变换(Slide Window Recursive Discrete Time Fourier Transform，SWRDTFT)的正弦信号时延跟踪算法，此算法和传统的基于自适应滤波器的方法不同，不需要初始点，跟踪过程中的收敛行为立即产生，也即没有收敛过程。理论推导及仿真实验都显示了，在缓慢时变时延场景中，对于复正弦信号，此算法可以近似达到克莱姆—劳下界(Cramer-Rao LowerBound，CRLB)，而对于实正弦信号则渐进达到CRLB，且比自适应滤波法等有着更好的性能。　　2.研究了正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)系统的时延估计问题。其中，在完整符号时延估计部分提出一种两步相关法。这个方案利用频域差分互相关法精确提取小数时延，然后利用时域相关法结合leading edge法得到整数时延。这个方案的小数时延估计计算复杂度，比传统的搜索法低很多。仿真结果显示，该方案比传统的相关法具有更高的时延估计性能。　　3.在非完整符号时延估计部分，先从超分辨率时延估计技术出发，针对LTE系统中常用的一类训练序列——ZC(Zadoff-Chu)序列，发现一个重要属性，而后利用这个属性，从极大似然(Maximum Likelihood，ML)整数估计算法中推导出基于多重信号分类(Multiple SignalClassification，MUSIC)的整数时延估计算法，并且保留了处理不完整OFDM符号的能力，同时相比于ML算法，提出的算法有着更低的计算复杂度，而且不需要信道和噪声的统计信息。根据MUSIC算法的理论，只要观测数大于信道的路径数，就可以得到有效的整数时延估计。由于小数时延补偿到本地ZC序列无效，提出三种使用基于多重信号分类(Multiple Signal Classification，MUISC)的整数时延估计算法的实际时延估计场景，分别适合于:高采样率的模数变换器(Analogto Digital Converter，ADC)、高效率的计算单元和作为其他时延估计算法中整数估计部分的改进。前面两个场景不需要完整的OFDM符号来估计时延，只需要部分的符号即可，相比于传统的基于完整OFDM符号的时延估计方案，提出的方案能够处理更快速时变的信道（时变效果不能够在一个符号中忽略）;在第三个场景中，提出的基于MUSIC的整数时延估计算法不仅提高了估计鲁棒性而且还扩大了无码间干扰（Inter-Symbol Interference，ISI）的区域。即使在有很少的观测数的情况下，三种场景的的仿真和结果证实了提出的基于MUSIC算法的有效性和可靠性。最后，给出了在长期演进(Long Term Evolution，LTE)标准中的仿真实验。　　4.在TDOA定位算法部分，针对TDOA定位系统中存在测量自由度的情况，采用平差法减小测量误差，理论上证明了平差处理后能使定位精度达到更低的CRLB。利用了TDOA信息的几何特征，提出了基于区域预判的Taylor级数(Region-Predict Based Taylor Series，R-TS)算法，利用正负先验知识选择初始点，简单有效的解决了初始点的选取问题，提高了迭代效率。实验结果显示，采用平差法和R-TS算法能同时提高定位精度和计算效率。最后，在传统的假设条件下（无测量自由度），特别针对线性方程组模型，提出一种基于序贯二次规划(Sequential QuadraticProgramming，SQP)技术的定位算法以得到此模型的最优解，在这之前，提出一种基于半定松弛技术(Semidefinite Relaxation，SDR)的定位估计算法，为未来的进一步研究做铺垫。仿真结果显示:基于SDR的定位估计精度不够，只能作为其它算法的初始点估计;而利用SQP的定位估计技术相比于几个经典算法有着更好的估计精度。