随着无线定位技术的快速发展,人们对于空间位置信息的需求日益增大。从早期的室外定位导航、室外的路线信息查询逐渐的朝着室内定位服务转变。在室外,GPS定位技术和基站定位技术基本满足了用户对位置服务的需求。但是,人们的大部分时间都是在室内度过,个人用户、服务机器人、智能物联网设备等大量的定位需求是发生在室内的。在室内,GPS由于建筑物以及外墙的遮挡会导致信号很弱,甚至接收不到信号,所以不适合用于室内定位。因此衍生出了很多室内定位技术,如超宽带定位技术(UWB)、超声波、WiFi等。由于UWB具有功耗低、穿透力强、安全性能好、多径分辨率高、定位精度高等优点,所以本文深入研究了基于UWB的定位算法和测距方式,并且结合逆向神经网络对得出的位置坐标结果进行优化,提高了待测目标在室内特定环境下的定位精度。本文从结构上来看,首先会对本课题的研究背景和研究意义进行说明,其次UWB的国内外的研究现状、无线定位技术之间的比较、常用的定位算法研究现状、UWB应用的价值及场景做简单的介绍,最后对UWB的基本定义及特点,还有UWB定位原理,以及定位系统性能评价的方法进行内容概述。为了实现待测目标的室内定位,首先要选取合适的测距模型,测出定位标签发出的信号到达基站的时间、到达时间差、到达角度等参数。得到了具体数据,接下来就要选取适合的定位算法,将测得的参数代入到选取的定位算法中,去计算出待测目标的位置坐标。本文为了估计超宽带脉冲源的方位角,提出一种基于接收信号角度方法(AOA)估计算法系统。通过使用该带有虚拟阵元的等边三角形稀疏天线阵列,AOA的估计性能和系统成本得到优化,它可以在低信噪比下有效地获得准确的脉冲源AOA估计。正是基于接收信号时间差方法(TDOA),让两个阵元为一组,估计了几组AOA值,通过逆向神经网络算法(BP)用来对阵元组进行最优分组,从而提高估计准确性。本文会对Fang算法、Chan算法、基于BP神经网络的AOA算法估计系统建立数学模型,并且搭建其可实验的环境,对提出的方法进行真实的测量,同时对其测量的结果用MATLAB软件进行仿真分析。在所提出的基于BP神经网络的AOA算法系统中,结果数值模拟和系统实验证明,该方法在典型的室内场景下并在2-5米半径范围内可以达到0.5-1度的AOA精度。