随着二十一世纪以来5G网络、物联网以及数据处理方式的高速发展,人们对于定位相关服务的需求也在不断地提高,尤其是室内定位相关服务。因此,室内定位服务已经逐渐取代室外定位服务而成为了新的研究热点与难点。由于以WiFi、雷达等定位技术为主的传统室内定位系统在成本以及定位精度等方面都表现得不尽如人意,所以随着室内定位在工厂、家居、商场以及安保领域应用的进一步扩展,提高定位系统的精度,稳定性,和灵活性,以及降低生产成本已经成为了关键。在过去的十几年内,无线传感网络（Wireless Sensor Network,WSN）成为了物联网的核心结构并且被广泛应用于解决室内领域的定位问题。本文通过对几种常用的无线传感器的工作原理、研究现状以及优势与不足进行了分析对比,发现单一的室内定位技术总是存在一定的局限性,包括定位精度局限以及成本问题。而结合各种技术的优势的联合定位技术可以很好地通过来弥补这些局限性。本文以超宽带 UWB（Ultra Wide Band）和低功耗蓝牙 BLE（Bluetooth Low Energy）作为室内联合定位系统的子系统,分析优化了各自子系统的定位算法模型,并且提出了基于 EKF-PF（Extended Kalman Filter-Particle Filter）的联合定位算法优化模型,提高了系统定位的精度。在此之上,我们还设计了联合定位系统的相应硬件部分,集成了 NB-IoT模块,构筑了物联网通信网络,以此来进行定位数据的传输。最终我们设计出了一整套基于蓝牙-超宽带技术的融合室内定位系统。该系统同时支持在二维、三维下低成本、便捷、灵活的空间定位。本文的主要研究工作如下:（1）设计实现超宽带室内定位子系统。分析对比了超宽带的两种测距方式后使用DS-TWR（Double Side-Two Way Ranging）法对UWB的时钟同步误差进行修正,通过多次实验得到误差模型。利用最小二乘法对测距距离进行误差拟合以减少物理误差,将平均误差降低到2cm左右。构建了二维、三维的定位模式以及各自的定位算法模型,独立设计超宽带定位子系统与超宽带模块,其硬件配置使用了ST公司的控制器STM32F103C8T6作为定位设备的主控,Decawave公司的DW1000芯片作为超宽带模块的信号收发部分。（2）设计实现了超低功耗蓝牙室内定位子系统。采用BLE技术中的RSSI（Received Signal Strength Indication）对数距离路径衰减模型来构建了位置指纹法的技术参数,利用机器学习模型来建模处理位置与指纹特性之间的关系。在比对各种机器学习的分类器之后,以精度和信息处理时间作为指标,我们选用随机森林算法来对室内定位训练集进行位置和指纹之间的训练,并且采用粒子滤波法来优化定位算法的路径精度。此外我们还设计了蓝牙定位子系统的整体架构,定位模式（测距或指纹）,并以TI公司的蓝牙5.0芯片CC2640R2F为核心完成了 BLE设备的硬件设计。（3）设计集成NB-IoT模块的室内联合定位系统。以两个子系统为基础,我们构造了最终的融合定位系统的整体架构,并用NB-IoT技术搭建了通信网络,并且设计了一个联合扩展卡尔曼滤波（Extended Kalman Filter,EKF）与粒子滤波（Particle Filter,PF）的优化模型来处理联合定位数据。（4）将融合定位模型分在四种定位模式下进行实验。模式一是低功耗低成本蓝牙定位,主要启用了 4个BLE定位基站以及两个BLE辅助基站,在1400cm × 2000cm × 600cm的空间下定位效果在经过随机森林以及粒子滤波的处理后精度优化超过45%,平均精度达到了 1.158m;模式二是二维空间中高精度超宽带定位,通过四个定位基站进行高精度定位,在540cm×780cm的二维平面精度能够达到2-3cm,经过EKF算法优化后定位精度有了 75.16%的提升;模式三是联合了蓝牙与超宽带的测距定位,主要分为四个基站组合类型下,在600cm ×500cm × 300cm的空间下定位精度分别达到6.7cm、29cm、71cm及82cm,并且各自有相应的优化程度;模式四是针对三维空间,用到了 4个超宽带定位基站,在400cm × 510cm × 350cm的空间下最终实现8.897cm的定位精度。