室内定位应用需求广泛,传统的卫星定位系统应用于室内信号衰减严重,无法解决室内定位的问题。由于测距精度高且穿透性能好,超宽带技术逐渐成为室内环境下高精度定位实现的优选技术之一。但在超宽带定位中,非视距测距导致定位精度降低的问题亟待解决,同时成本较高限制了定位系统大规模布置超宽带节点。本文从室内高精度定位需求出发,研究室内环境中较少锚节点下的超宽带精确定位方法。本文研究了测距路径的鉴别方法,针对室内环境中测距可能包括视距和非视距的情况,采用机器学习算法实现对测距路径的高准确度鉴别,研究了对高维特征量如何选取最能区分测距路径的特征参量。基于鉴别结果研究采用加权定位算法,对误差更大的非视距测距值赋予更低权重,以提高定位精度。对于大多数或全部测距为非视距时,基于鉴别的定位精度提升并不明显,本文研究了基于机器学习的非视距误差消除方法,对于通用的最小二乘支持向量机回归方法会耗费大量时间训练样本库的缺陷,本文提出了基于最近邻居法的低复杂度误差消除方法,并分析了误差消除方法用于定位中对定位精度的影响。本文也研究了极端环境下的目标跟踪方法,对于目标移动到一定区域后测距信道严重衰减,部分节点无法测距导致可用测距数目低于最低定位要求,本文基于测距值和运动预测进行数据融合,运用扩展卡尔曼滤波实现对目标的继续跟踪,进而分析了使用这种方法获得的跟踪精度。最后,本文基于超宽带测距节点,设计了定位系统架构并编写可视化定位软件,在实际定位应用场景中,实现对目标的高精度定位。本文的研究成果可以为实现室内环境下超宽带高精度定位提供理论参考,同时定位系统的设计与开发可以对超宽带定位系统商业化做出有益探索。