随着智能手机和移动互联网的普及,人们对于“基于位置服务”应用的需求以及室内定位的需求日益增长。已有室内定位技术如基于蓝牙、Wi-Fi、RFID及超声波等技术手段均存在相应缺点,难以具备普适性,因此组合定位技术是目前室内定位问题的一种解决方案。在此背景下,本文研究了基于超宽带的定位技术和基于惯性测量单元的定位技术,分析了两种技术各自的优缺点,并对它们进行组合,从而提高定位结果精度,主要内容包括:1.针对UWB测距系统非线性、测距过程中易受多径效应和非视距误差影响的问题,研究了定位系统基站的标定方法,以削弱基站与标签通信过程中存在的标准偏差;在Taylor级数算法的基础上,提出用扩展卡尔曼滤波算法和粒子滤波算法,减小异常测距值对定位性能的影响。设计不同运动路径(回形、S形和直线形)和不同运动速度(慢速、正常速度和快速)的实验,实验结果表明,粒子滤波算法的定位精度最高,较EKF算法提高了7.74%,较Taylor算法提高了15.60%,但粒子滤波算法完成跟踪过程所需时间最长。2.针对IMU误差累积问题,提出基于加速度幅值、加速度滑动方差和角速度幅值的零速区间联合检测方法,并辅以时间阈值判断法,剔除伪零速点和伪迈步点,最后使用卡尔曼滤波对零速时刻的状态信息进行更新。实验结果表明,零速更新能够有效降低IMU定位过程中的累积误差。3.分析UWB与IMU单独定位的特点及存在的缺点,设计基于卡尔曼滤波的UWB/IMU松组合模型和基于扩展卡尔曼滤波的紧组合模型,并对松组合与紧组合的构建及数据融合方法进行了介绍。实验结果表明,松组合和紧组合的精度均比单一定位方法的精度高;与UWB精度相比,紧组合提高了60.61%,松组合提高了31.47%。