移动机器人定位问题是移动机器人研究领域的重要问题之一。实现移动机器人的精确定位是实现移动机器人导航的前提基础，移动机器人定位研究不仅具有重要的理论意义，也同时具有重要的现实意义和广泛的应用前景。目前，常见的绝对定位方法研究主要可分为两类：第一类、基于测距的定位研究，此类研究主要包括基于卫星全球定位系统(GPS)研究、基于超声测距的定位研究及基于射频能量(RSS)衰减测距的定位研究；第二类、与测距无关的定位研究，此类研究主要有基于无线传感器网络的定位、基于射频标签(RFID)的定位等。对于第一类定位研究，GPS有着良好的定位精度和广度，但是其缺点是定位信号到达地面时较弱，不能穿透建筑物，因此不适合在某些环境中应用，如室内环境；基于超声测距的定位，由于超声测距就有较强的方向性，增加了定位的成本；基于射频能量(RSS)衰减测距的定位，其测距误差较大，定位效果不好。对于第二类定位研究，不需要测量绝对距离或方位，虽然具有低成本、高效率的特点，但其存在一个显著的缺点就是定位精度差。　　 针对上述问题，本文采用集成了超声测距功能的无线传感器，开展移动机器人定位研究，主要内容包括：　　 1．已有的移动机器人定位方法大多都是针对已知环境，基于环境先验地图，然后采用各类传感器观测环境，提取环境中的自然路标和人工路标，影响定位结果的关键因素为路标测量的准确性和路标提取的准确性。然而在某些环境中，由于难于提取自然存在的路标，已有传感器及定位方法难于发挥作用，针对于此，本文提出了一种基于无线传感器动态配置的定位系统，此定位系统通过超声实现距离测定，机器人在运行过程中，可以根据实际的定位需要在关键位置放置本文设计的集成了超声测距功能的无线传感器路标，以辅助于机器人定位，从而解决在某些环境下难以提取路标的问题。　　 2．针对超声测距存在方向性问题，本文开展了利用测量无线传感器射频信号衰减实现定位的研究，为了解决无线信号衰减物理模型的不足，本文提出了一个具有在线学习能力的自适应射频能量(RSS)衰减测距模型，此测距模型通过神经网络学习而得，并将模型学习和定位有机结合。　　 3．综合射频测距和超声测距的优势，提出了基于超声测距和射频衰减测距相融合的测距方法，在此基础上，将超声测距和射频测距的融合距离作为系统的观测信息，通过粒子滤波实现机器人大范围室内环境下的定位。