随着物联网技术的快速发展，基于位置的信息服务应用越来越广泛。在智能停车场、智能仓储等室内场景中，对于定位精度的要求更高。GPS定位受到信号屏蔽和误差限制，往往难以达到室内高精度定位要求；WLAN定位是目前比较成熟的室内定位技术，但是其定位方式受环境影响比较大，可靠性难以得到保证。此外，802.11协议没有给出精确的传输功率测量和控制模型，难以实施更高精度的测量。与GPS、WLAN等方法相比，超声波在室内定位方面有着显著的优势。具有系统结构简单、硬件成本低廉、定位精确、算法易于实现等优点。但是，由于超声波会受到温度、被测物体形状、噪声等不确定因素的干扰，导致在定位时会产生误差扰动，这些扰动会明显降低定位精度和可靠性。扩展卡尔曼滤波算法（EKFA），是从卡尔曼滤波算法（KFA）的基础上改进而来的。由于卡尔曼滤波算法只适合处理线性系统，所以在处理非线性系统时，需要对非线性系统进行线性化近似，然后在得到的线性化模型的基础上，再应用卡尔曼滤波算法。卡尔曼滤波算法，能够根据系统的系统方程和观测方程对目标信号进行迭代运算，能够给出系统关于未来状态的最优的估计，这个估计是满足最小均方误差的，卡尔曼滤波算法是一种最优化的自回归数据处理算法。本文使用经验模态分解（EMD）方法对扩展卡尔曼滤波算法进行优化，有效地控制了渡越时间的误差，实现了室内高精度定位。这种模态优化的方法是先对超声波接收装置收到的超声波信号进行EMD处理，在保留信号原始特征的情况下消除大部分噪声；再次进行EMD处理取得信号的包络，以获取超声波信号到达的精确时刻，最后采用卡尔曼滤波算法对渡越时间进行修正，得到高精度的定位结果。扩展卡尔曼滤波算法应用在超声波定位系统中难以达到高精度的定位要求，是因为此算法在对系统进行线性化时会产生新的计算误差。针对这种情况，设计了对扩展卡尔曼滤波算法进行模态优化的方案，首先对接收到的超声波信号进行EMD分解，然后选取最能代表原始信号的IMF进行波形重组，最后对渡越时间进行修正。同时，修正了超声波的波速；结合射频模块改进了传统的超声波定位流程。实验表明，该方法将定位误差严格控制在±5cm之内，多次递推运算之后误差不超过±1cm。