无线定位技术正在深刻地影响着人类的生产生活方式。作为无线定位系统的工作方式之一,椭圆定位（Elliptic Localization）问题一直受到广泛关注。国内外研究者对椭圆定位系统中的测量技术、噪声模型与定位算法进行了大量的研究,并且不断开发出准确性高、稳定性强和实时性好的目标定位算法。在目前已有的算法研究中,基于到达时间差与基于角度的观测量多用于估计目标的位置,基于多普勒频移的观测量则用于估计运动目标的速度。这些算法大多假设定位系统的基站不存在站址误差。本文针对存在站址误差的多发射基站多接收基站的椭圆定位系统,使用到达时间差、多普勒频移两种观测量对目标进行定位。为了降低站址误差对定位精度的影响,本文设计了两种不同的定位算法,并针对算法中涉及的大量矩阵乘法运算设计了一种基于硬件平台的运算加速结构。首先,本文考虑使用存在站址误差的椭圆定位系统对运动目标进行定位。该系统联合到达时间差和多普勒频移的观测量对目标位置和速度进行联合估计。根据参数估计理论分析了系统的混合克拉默-拉奥下界,为定位性能的评估提供了指标。通过参数变换、模型线性化两阶段处理,设计了一种将站址误差等价为观测误差处理的非迭代估计器,给出了算法的详细推导过程。通过实验研究站址误差对算法性能的影响。结果表明本文所设计的非迭代估计器在估计性能方面优于常用的闭式解算法,并且在小噪声条件下算法可以达到混合克拉默-拉奥下界。此外还通过大规模模拟实验证明了所提出的估计器偏差低且运算量较小。其次,对接收基站受环境影响产生站址误差的椭圆定位系统,本文通过引入校正源（位置确定已知的发射源）来削弱站址误差对定位性能的负面影响。首先通过克拉默-拉奥下界的分析说明了校正源引入的可行性。然后利用校正源求出站址误差的线性最小均方误差估计量,得到改进的站址坐标。最后提出一种基于校正站址的两步加权最小二乘算法,获得精确的目标位置估计。实验分别考虑了观测误差和站址误差对定位精度的影响,对比了不同估计量的均方根误差。实验表明,使用校正源可以减少站址误差带来的定位精度损失,提高定位性能。并且,观测误差越小,校正源带来的性能提升越显著。最后,考虑到定位场景中基站数目增多时,算法中相关矩阵规模增大,本文设计了算法关键部分的硬件加速方案。为了解决中央处理器（Central Processing Unit,CPU）对大规模矩阵计算求解缓慢的问题,基于现场可编程门阵列（Field Programmable Gate Array,FPGA）平台提出一种多处理单元（Process Element,PE）高速并行的硬件加速结构。通过大规模矩阵的LU分解得到三角矩阵,分析三角矩阵的稀疏特性将矩阵分块。在FPGA端为每个块搭建一个处理单元进行运算,实现了多个处理单元并行运算的二维单向环网结构。实验结果表明,所提出的硬件加速结构对于大规模矩阵乘法运算有良好的加速效果,运算性能优于通用的CPU和图形处理器（Graphics Processing Unit,GPU）。