随着城市化的深入,城市交通问题显得越来越复杂,为解决其中的定位问题,基于位置服务的应用日益流行,这也导致人们对定位精度的需求不断提高。密集的城市环境和复杂的室内建筑会对定位方式产生诸多干扰,导致定位精度严重下降,非视距（NonLine-Of-Sight,NLOS）是其中最重要的因素之一。因此识别传播信道是否为NLOS对于定位精度十分重要,本文重点对NLOS信道识别算法进行了相关的研究。论文首先通过对国内外文献的查阅和研究,阐述了NLOS信道识别研究的意义,总结了NLOS信道识别的研究现状。对视距（Line-Of-Sight,LOS）与NLOS信道模型进行分析,归纳出两种信道的不同特性,并对NLOS信道分类算法中的朴素贝叶斯算法和假设检验算法进行对比研究,确定了NLOS信道识别指标。其次,搭建了室内外实验环境,对测量信息进行分析与研究,对比信道状态信息（Channel State Information,CSI）与接收信号强度,确定了使用CSI对信道特征进行提取,在计算特征的过程中为获取更为有效的信道抽头,提出了信号预处理方法。通过对峰度、偏度、均方根延迟扩展和莱斯K因子等信道特征更深层次的探索,基于这些特征的共性提出了采用峰均比特征识别NLOS,并联合假设检验算法进行了室内算法仿真。仿真结果显示峰均比特征在LOS与NLOS信道下分布具有明显差异性,可以作为识别LOS/NLOS信道的特征。该特征的LOS识别准确率达到93.56%,NLOS识别准确率达到87.23%,优于峰度、均方根延迟扩展等特征的分类效果,并且在高速公路、城市交叉路口和隧道场景下,该特征的识别准确率也相对稳定,在结合对数路径损耗模型和最小二乘法定位过程中也能够有效提高定位精度。最后,针对传统假设检验算法因阈值设置而导致分类效果差和机器学习算法耗费时间长等问题,提出了一种新的NLOS识别算法——软判决算法。该算法首先利用高斯函数拟合特征概率分布,其中高斯函数的个数由赤池信息量准则确定,保证了拟合模型的简洁性和准确性,然后采用对数似然比形式的软输入组合,即利用信息的迭代,最大化融合两个特征组合的差异性,最后使用软判决公式对信号进行分类。在实验仿真结果中显示软判决算法相比较单一特征的假设检验算法能够提高识别准确率,且最高提升了26.25%。