随着数字电视业务快速发展，利用数字广播信号可得到一种新的无线定位方式。全球定位系统（GPS）因其可以提供全天候、连续、实时的高精度定位信息，获得了广泛应用。但由于卫星遮挡等问题会造成GPS无法正常定位。相对于GPS等卫星定位方式，通过数字广播信号进行定位有着启动快、终端设备功率低、信号在室内接收质量良好、成本低等优点。然而同其它无线定位方式一样，利用数字广播信号定位也会因信号的非视距传播而产生定位误差。因此，有必要研究在非视距环境中可有效提高定位精度的算法。　　 本文研究了数字广播信号的系统组成、数据帧结构以及所采用的传输技术，简述了由DTV信号得到伪距的原理；介绍了4种传统的定位方法，研究了它们在DTV单频网中的适用情况，选定TOA法为DTV单频网的定位方法；并给出了定位准确率评价指标。　　 在定位算法方面，本文先从贝叶斯滤波推导出扩展卡尔曼滤波、Unscented卡尔曼滤波以及平方根Cubature积分卡尔曼滤波（square-root Cubature Kalman filter），并具体介绍了这几种滤波器的原理以及算法流程。在不同系统模型环境下比较了这几种滤波器的性能，并对其复杂度和性能做出了详细的分析。　　 在非视距环境下，本文采用了基于滤波器组和数据融合的方法来进行非视距噪声消除。该方法利用来自单个发射台的信号测量值，分别通过滤波器组估计出视距和非视距环境下的运动状态，再通过数据融合的方法得到当前时刻运动状态的估计，性能要优于基于卡尔曼滤波的交互式多模型算法。本文分别在不同的噪声模型、运动模型和观测模型下比较了扩展卡尔曼滤波器组、Unscented卡尔曼滤波器组和平方根Cubature卡尔曼滤波器组结合数据融合的定位方法的性能。仿真表明即使在视距非视距混合环境中，基于平方根数值积分卡尔曼滤波器组和数据融合方法的定位性能优于UKF和EKF。