近年来,无线传感器网络技术发展日新月异,它以部署简单,成本低廉,运用方便,高效,安全系数高等优点,逐步成为大众关注的焦点。它在军事、环境监测、股市预测、目标跟踪、图像处理等多个领域得到广泛应用,而其分支—无线室内定位与位置服务技术是当前研究的核心热点问题之一。目前的室内主流定位技术主要包括UWB技术、ZigBee定位技术、WIFI定位技术、射频识别技术、蓝牙定位技术。近年来涌现出一些新兴定位技术,如窄带物联网定位技术、可见光定位技术、超长距离低功耗数据传输定位技术等。相对而言,WIFI技术应用最为广泛,其信号传播距离和穿透能力相对较强,而UWB定位技术凭借较高的定位精度、多径分辨能力强和稳定高速的信号传输等优势,在无线定位领域独树一帜。结合WIFI和UWB两种定位技术的优势,本课题设计了一套室内定位系统。该系统由一个监控平台、四个基站和一个定位标签所组成。其中系统监控平台采用以(ARMCortex-A9)三星四核处理器Exynos4412作为主控芯片,借助嵌入式Linux操作系统主要实现监控显示、触控、位置坐标运算及收发指令等主要功能。系统中定位基站和定位标签均采用TI公司的CC3200为核心芯片,实现数据的采集处理及上传。针对这两种定位技术各自的缺陷,本文提出了基于WIFI技术和UWB技术异构融合无线网络定位算法。首先通过WIFI位置指纹快速定位算法粗略获得定位标签所在定位区域;然后采用基于超宽带技术的混合粒子群算法,并以该区域为边界条件选择初始粒子,减小算法迭代次数的同时提高了定位结果的鲁棒性、快速性和定位精度。针对传统K-means聚类位置指纹算法,在定位估计阶段定位速度慢和定位精度低的问题,本文除去相似度较低的指纹并引入新的加权系数的方式,改进了定位算法,提出了基于指纹定位的改进型K-means聚类算法。在定位过程中采用传统粒子群优化算法,存在容易陷入局部极值点、寻优过程在极值点附近收敛缓慢、准确度较低等问题,本文将模拟退火算法与粒子群优化算法结合,建立一套减小锚了点非视距误差的加权模型,并在算法中融入“优胜略汰”的思想,以Metropolis准则淘汰适应度较差的粒子。与现有的几种混合粒子群定位算法相比,仿真和测试数据表明本文算法拥有较高的定位精度和较快的收敛速度,并能够更好地抑制非视距带来的误差影响。最后根据算法设计了一整套基于嵌入式Linux操作系统的监控平台应用程序,包括数据接收应用,数据处理应用,指纹库建立应用。在实验室场景下,进行了实际的定位测试,本课题设计的定位系统的能够达到±15cm的定位精度。