现如今无线定位技术对我们日常生活的地位愈加重要,人们对其定位精度的需求也就越来越高。无线定位是指通过采用无线通信与定位算法相结合的手段来估计待定位标签相对于基站坐标的定位技术。随着工业4.0标准的提出以及物联网技术的不断升级发展和物理信息系统的不断融合(Cyber Physical System,CPS),人们对定位系统的精度要求越来越高,如物品追踪、搜索救援、制导导航、智能应用与服务、安防监测等各个方面都需要较高精度的定位,如今无线定位技术已被广泛应用于军事领域、商业领域和公共服务领域等。由于超宽带(Ultra Wide Band,UWB)定位技术具有较快的传输速率、较高的多径分辨率、较强的信号抗干扰能力等优点,使得其在众多的室内定位技术中兴起,且广泛应用于市场当中。而在众多的定位算法中TDOA(Time Different ofArrival)由于其时钟同步要求低、设备简单、定位精度较高而广受应用。本文对UWB定位技术的基本概念、国内外研究现状以及其定位系统的组成进行了深入研究,介绍了相关的定位算法并对定位系统中的一种定位算法TDOA进行了着重的研究。针对传统的TDOA估计算法精度偏低及非视距(non-line-of-sight,NLOS)误差导致移动台定位精度较低的问题,本文提出了一种基于布谷鸟搜索算法(CuckooSearch,CS)以及BP(Back Propagation)神经网络联合改进的TDOA定位算法。在布谷鸟搜索算法的使用过程中,我们发现在算法迭代后期,种群的多样性较差而导致容易陷入局部最优,针对这个问题,我们引入了小生境“惩罚”机制来解决这一问题。该算法利用小生境改进布谷鸟搜索算法对TDOA的非线性方程组进行估计,用估计结果作为训练好的BP神经网络的输入进行修正,BP神经网络的输出即为最终定位结果。