随着物联网产业快速发展,其在与传统产业密切结合的同时,借助云计算、大数据等技术构建起了万物互联的生态系统。因具有低功耗、低成本、大连接、广覆盖等优点,窄带物联网(Narrow Band Internet of Things,NB-IoT)逐渐成为物联网主要通信传输技术之一,广泛应用于共享单车、远程抄表、物流跟踪等业务场景中。终端的定位以及位置服务是物联网主要业务特性,因此,研究高精度低成本的NBIoT终端定位技术方案对于推动NB-IoT产业发展显得尤为重要。本文旨在研究NBIoT定位技术并提高其定位精度,具体工作包括以下几个方面:首先,本文分析NB-IoT网络的终端定位关键技术,包括NB-IoT的网络构架、物理层帧结构和定位标准协议原理等,重点研究基于NB-IoT网络的定位技术原理和算法。结合定位的业务场景和性能需求,本文选择基于场景分析的定位技术作为NB-IoT终端定位的关键技术,并以此技术开展算法研究和定位方案设计。其次,针对在场景分析的定位技术中,指纹匹配的搜索时间随指纹库的数据量增加而线性增加的问题,本文研究了一种快速定位算法解决方案。算法主要思想是,针对传统聚类算法对于子分区边界点的分类误差大的问题,引入基于模糊c均值的聚类算法,通过最大隶属度值进行子分区快速定位;针对欧式距离不能有效衡量信号距离与实际距离的映射关系的问题,研究基于大间隔最近邻的分区度量学习,提升指纹匹配精度。然后,针对位置估计仅采用基于信号距离的加权平均算法不能准确定位终端位置的问题,本文提出一种基于信号距离映射实际距离的K近邻定位改进算法。该算法通过多项式拟合方式学习K近邻点的信号距离和实际距离的映射关系,构建待定位终端与K近邻点的实际距离,并结合最小二乘算法实现位置估计。针对NB-IoT终端适用于低速移动的应用场景,研究并对比了轨迹融合定位算法。最后,本文利用MATLAB工具搭建NB-IoT终端的定位算法验证平台,并对提出的定位方案进行了仿真、验证和优化。仿真实验结果表明,提出的基于指纹匹配的NB-IoT终端定位方案在指纹搜索速度和定位精度方面都有一定的提高。