随着物联网技术的兴起,人类社会已经进入到一个万物互联的时代,而物联网核心技术则是诸如RFID、UWB等;这些技术同时也深入到了各行各业例如:自动驾驶、智慧货仓、智慧交通、VR体感游戏、导航等;而提供这些服务的前提,就是获取物体准确的位置信息。本文针对上述需求,分析了开源数据集的误差统计特性;其次,指出了经典定位算法模型的不足和局限,提出了一种鲁棒TDOA静态定位算法并讨论了最优基站定位问题和通信距离受限的定位问题;最后,研究了基于可动边界变分的鲁棒轨迹跟踪算法,将动态的轨迹跟踪问题转化为可动边界的变分问题,结合信赖域算法求得最后物体的运动轨迹。本文主要工作如下:1.论述了室内定位的经典定位算法包括:双曲线算法、Chan算法、泰勒级数展开法,对它们的性能做了静态定位和动态定位仿真分析。2.分析了室内定位的四种误差来源,对测试数据进行分析并根据数据进行了两个实验,说明了TDOA室内定位的非鲁棒问题;对比了不同算法下的静态定位和动态定位的误差。3.利用Huber罚函数对野值的鲁棒性,提出了一种鲁棒的TDOA室内定位算法,并和二范数罚函数做了对比分析,结果表明:在四种定位场景中,鲁棒TDOA算法的定位误差均小于二范数罚函数。4.基于鲁棒TDOA定位算法,分析了最少定位基站实现近似最优定位的问题,对四种不同定位场景下的终端进行分析;利用所需最少定位基站个数作为判断条件,在通信半径受限制的情况下,检验终端能否被定位。5.提出了基于可动边界变分的鲁棒目标跟踪算法。将室内定位问题转化为最简泛函变分,结合固定边界约束、时间差约束和范数球约束,重点讨论了二维轨迹跟踪的变分模型;利用Huber罚函数,将范数球约束转换为了信赖域问题,进而提高了算法的鲁棒性;通过求解信赖域问题进而得到坐标的初试解;最后运用遗传算法对初始解迭代得到最终的结果;将该算法和双曲线算法、Chan算法、泰勒级数展开算法进行了对比;结果表明:基于可动边界变分的鲁棒目标跟踪算法的误差要低于双曲线算法、Chan算法和泰勒级数展开算法。