随着信息化技术、物联网及人工智能技术的发展,智慧城市也从概念走向实践,进入了一个快速发展的时期,室内定位技术成为了重要服务内容。超宽带技术因其时间分辨率高、穿透和抗干扰能力强的特点广泛应用于室内定位,TDOA（Time Difference of Arrive,TDOA）定位具有系统容量大、多节点定位、定位速度快的优点,成为超宽带定位的主要应用形式。超宽带TDOA定位在实际应用时,由于定位环境的多样性,定位基站与标签之间不可避免的存在障碍物遮挡,多径环境下,信号的反射、折射及能量衰减导致其到达时间测试不准确,引入非视距（Non-line-of-sight,NLOS）定位误差,该误差是目前超宽带定位误差的主要来源。减小非视距定位误差是提高定位精度的关键,是超宽带TDOA定位必须解决的问题。针对非视距误差问题,本文提出了减小NLOS定位误差的方案。针对非视距误差,无论是信号修正还是剔除误差信号处理,最主要的是非视距信道的正确识别,本文最终确定了通过分析脉冲冲激响应波形特征参量完成NLOS识别的方案。通过分析信道特征参数,统计不同信道下的特征参数分布,明确这些参数实现传播信道状态识别的有效性。在非视距传播过程中,信号传播第一路径受影响较为明显,而第一路径又是判断信号到达时间的重要标准,故基于第一路径的衰减提出了新的特征参量,并确定该特征参量的分类性能。对信道状态进行识别时,训练样本的个数随着分类选用的特征参量的个数呈指数增长,造成维数灾难,故需要进行特征选择以达到较优的分类性能,本文通过分析特征参量与分类标签之间的相关性以及特征参量间的冗余性完成特征选择,确定了最优分类特征子集。现有的一些机器学习分类算法计算复杂度较高,在一些高频的实时定位中运用这些分类算法并不可行,故提出了加权K-近邻分类方法作为NLOS识别算法,并在定位系统中应用,剔除受影响基站,减小非视距误差,提高定位精度。本文主要创新成果如下:1.选用Decawave公司提供的DW1000芯片完成了定位基站和标签的硬件电路设计和嵌入式分析,并基于.NET Framework 4.6.1环境完成了三单元定位系统软件和脉冲冲激响应信号采集软件的开发。2.基于定位脉冲冲激响应信号进行传播信道状态分析,构建基于第一路径的特征参量并验证特征分类性能,综合前人提出的特征参量对其进行相关性和冗余性的判断,确定最优特征子集。3.创新性地将加权K-近邻算法用于非视距识别,通过分析特征参量与信道标签的相关性确定特征参量的权重,进一步提高算法识别率,在空旷环境和工况环境下完成了不使用非视距基站信号完成定位的方案测试,验证了通过该方法提高定位精度的可行性。