在近几年移动互联网、可穿戴设备蓬勃发展和工业4.0技术革命驱动下，位置感知正成为未来物联网技术体系的重要组成部分。现阶段大量消费类和行业应用正迅速涌现。作为以GPS和北斗为代表的传统定位导航系统难以满足日新月异的基于位置服务(Location-based-services，LBS)的迫切需求，对室内场景中人或物的位置感知正成为LBS新的业务增长点。随着无线通信技术手段的丰富和成熟，在拓扑结构复杂、视距传播（Light-of-sight，LOS）与非视距（Non-light-of-sight，NLOS）传播混杂及多种噪声干扰的室内场景中，应用WIFI、ZigBee等无线通信信号实现高精度、高鲁棒的定位与跟踪，已成为无线通信领域和导航领域的研究热点与难点。　　本文所研究的室内复杂场景下的定位与跟踪实质上是借助于无线信号的衰落传播特性和定位系统的测量值，通过对多个测量值的协同判决与融合，实现对室内复杂场景下移动目标的位置估计。本文以提高定位的精度、增强定位算法与系统的鲁棒性、降低部署成本和计算复杂度为切入点，结合时序信号滤波算法和数据融合方法，研究基于视距传播与非视距传播模型匹配估计、视距传播检测和非视距误差消减的定位算法三部分内容。本文的主要成果与创新点如下:　　室内环境的复杂建筑格局、其他无线信号干扰和移动物体引入的噪声，给实现基于信号接收强度的高精度定位带来巨大挑战。本文在传统的路径损耗模型基础上，为应对室内环境中明显影响无线信号传播的非视距传播情况，对路径损耗模型进行了修正完善，并给出了在视距传播和非视距传播下的信号接收强度与距离的映射关系新模型。本文提出一种自适应的LOS/NLOS传播模型匹配估计算法。在采用基于线性回归分析方法分别建模LOS和NLOS衰落基础上，对于映射关系的严重非线性特征，采用无迹卡尔曼滤波器在不明显增加计算复杂度的情况下实现对测量模型的高阶近似。针对定位硬件系统中测量信号可能发生碰撞的问题，提出了一种基于贪婪竞争的测量值选择策略。该策略将测量值的大小转换为消息回传等待时间，降低通信拥堵。对于并行的基于LOS传播模型和NLOS传播模型的两个无迹卡尔曼滤波器，采用改进的交互多模型算法对估计状态进行模型概率匹配，获得某一测量值在不同传播模型下的似然概率，对并行的位置估计值进行加权融合，提高了对LOS和NLOS传播模型切换的灵敏度和变化响应速度。通过搭建完整的软硬件定位系统，验证了在获取完备的传播模型信息和运动模型信息的条件下，定位精度逼近“一米壁垒”。　　针对NLOS衰落模型在实际室内场景中难以准确建模的问题，本文提出一种不需要任何NLOS传播信号衰落模型信息，仅依赖于LOS传播模型先验信息的LOS测量值检测与定位算法。借助于LOS传播条件下信号接收强度与距离之间映射关系，对接收信号强度噪声到距离估计噪声的转换进行推导。在引入一般的移动目标运动模型后，提出一种粗略位置估计方法，并从数学上证明在LOS条件下是对真实位置的无偏估计。基于粗略位置估计的假设检验策略量化地给出不同测量值的置信度，实现了对LOS测量值的识别，提高LOS检测识别正确率到95％以上。选择经历LOS传播衰落的高置信度的间接测量值做加权融合估计，将定位误差减小到2.0m以下，提高对机动轨迹的鲁棒性。该算法为缺失NLOS传播模型信息条件下的室内移动目标定位问题提供了更优的解决方案，拓展了定位算法适用的场景，降低了对衰落模型的前期建模成本。　　在实际的定位场景中，无线信号极不稳定和室内目标的灵活移动特性，降低LOS建模的可靠性。本文通过引入附加条件和知识，实现对NLOS误差和时变噪声的有效抵消。本文分别提出了基于建筑格局约束的最大后验概率估计定位算法和基于空间四面体约束和代价方程的NLOS消减算法。前者结合室内建筑格局信息和未知位置的先验概率分布函数。充分考虑到移动目标的运动特征，以工程可实现的离散化方法，对候选的估计位置集合进行剪枝，抵抗时变NLOS噪声对估计结果的影响。利用枚举全排列的信道组合方法，以最大后验概率函数为目标函数，采用多假设的最大似然估计方法，使得算法对时变噪声和NLOS误差具备更高鲁棒性。实验验证在室内人员随机走动的情况下，平均定位误差为1.6145m。后者针对基于时间测量的测距手段或可获得距离估计值的定位系统，通过引入Cayley-Menger行列式，在锚节点和未知位置符合空间四面体约束的前提下，对基于CMD的距离估计值做最小平方估计。在综合考虑估计残差和轨迹平滑因素后，通过对加权融合的代价函数求取最小值，得到最终的位置估计结果。这种加权融合多种信息的代价方程选择最优估计，并减少观测噪声和部分NLOS误差的干扰。借助于基于硬件和算法库实现的UWB定位系统，验证该算法平均定位精度小于0.5m。