随着社会的不断进步,室内环境变化呈现多样性和复杂性,人们对室内定位的精度需求越来越高。UWB是目前最具潜力的室内定位方式,但往往存在非视距NLOS情况,导致定位精度大大下降。通过引入惯性导航系统INS算法增强UWB定位方式,使得组合系统可以克服各自的缺点,实现优势互补,提高系统的稳定性、可靠性。由此,本文展开了如下研究工作:围绕粒子滤波应用于UWB无线定位有两种改进思路:一是提高粒子滤波精度;二是改善粒子滤波的实时性。因此,开展了下面的研究合作,并取得了一些研究成果:1.提出基于动量BP算法的似然分布自适应粒子滤波:通过反映观测噪声统计性能的精度因子对似然分布状态自适应调整,提高滤波精度;将似然分布的自适应调整与动量BP算法相结合,提高了小权值粒子的权重。将一些高权重的粒子分解为小权重的粒子,增加了粒子的多样性,提高了算法的实时性。2.设计了基于动量BP算法的自适应粒子滤波,并引入了基于样本数量的自适应粒子滤波算法,当设置状态变化每一步样本数量的下限估计值时,都要考虑状态方差太大或太小的情况。同时,基于样本数量的自适应粒子滤波与动量BP算法相结合,增加低权值粒子的权重,并将一些高权值的粒子划分为小权值的粒子。在UWB室内定位中,由于载体本身的机制等干扰,观测噪声不仅仅是白噪声,存在有色噪声的情况,而粒子滤波可以处理有色噪声的问题。通过增加似然分布自适应调整来改进粒子滤波用于目标跟踪的精度,同时研究在白噪声、有色噪声下似然分布自适应调整粒子滤波和拓展卡尔曼滤波在UWB中的优势与区别。为了解决复杂室内环境下信号的折射反射等导致的非视距问题,提出应用UWB/INS组合导航算法来提高室内定位的抗差能力和精确性。采用UWB Mini4s Plus硬件获得目标到基站的距离数据和JY61姿态角度传感器获得目标的加速度和陀螺仪数据,将这些导航信息整合到算法中来实现目标的定位估计。因此提出了一种UWB/INS组合导航算法,一方面采用基于UWB的联合状态估计粒子滤波进行位置解算,另一方面采用基于INS的ZUPT算法进行导航信息解算。在INS误差方程的框架下,通过EKF融合两系统的位置信息。室内试验结果表明了算法的有效性。