无线定位是通过直接或间接的测定无线电信号在某一位置和固定监测点之间传播过程中时间、相位、振幅、频率等的变化,计算出未知源位置信息的一种技术。在军事、航海、环境控制、路面导航、财产跟踪等方面都具有重要作用。不断优化定位技术、使定位结果更加准确对国家安全、科技发展和人们生活质量的提高都有重要的意义。人工神经网络(Artificial Neural Network,ANN)于20世纪初被提出,是人类对生物体神经网络认识的基础上人工构造的能够实现某种功能的网络。如今,人工神经网络已经被用于计算机科学、自动控制科学、心理学、故障诊断与检测乃至经济学等领域。结合天津市无线电监测站无线监测的实际工作内容,为解决在查找未知源时城市网格化系统的精确定位问题,提出使用人工神经网络(ANN)的方法进行定位。分别使用BP神经网络和RBF神经网络在研究区域中进行定位,进行对比。并使用遗传算法(GA)优化RBF神经网络,使其达到更精确的定位效果。基于城市网格化系统查找未知源时,在使用场强分布信息缩小查找范围之后使用神经网络进行精确定位,得到位置信息,弥补使用系统内置TDOA定位时人工选站工作量大、准确性低的问题。主要创新点在于以天津市无线电监测站的城市网格化系统为基础,使用人工神经网络进行未知源的定位,并使用遗传算法对RBF神经网络进行了优化。通过模拟一个室外场景,选取场景中几个监测站进行监测,相对精确地找出了未知源的坐标及发射功率。并验证了该方法的可行性,能够有效地解决实际问题。