随着科技水平的进步带来生活方式的变化,人们对室内位置信息的要求与日俱增。目前,室内导航定位技术已经提出不少技术手段,其中超宽带（UWB）定位技术凭借其较高的时间分辨率和良好的测距性能已经展现出在室内定位中的重要性。另外,惯性导航系统（INS）因其不易受环境影响、定位精度高等优点,被广泛用于室内定位。UWB与INS两者的组合定位是近来被广泛研究和关注的组合技术,成为解决室内定位的主流组合方案。因此本文针对UWB和INS的组合定位研究具有重要的研究价值和应用前景。本文首先查阅了国内外的参考文献,总结了该领域的研究现状和发展趋势,然后对于室内定位的方案的各部分进行设计。分析了INS的基本要素和原理,推导了捷联惯导更新方法,分析了误差来源并推导了误差方程。对于UWB技术,分析了基本原理和基于到达时间、基于到达时间差、基于到达角度和基于接收信号强度四种测距定位方式,并且讨论了UWB信号误差来源。然后阐述了基于飞行时间的误差情况,并最终选择了以TOA方式作为测距方式。然后研究了两种基于TOA方法的定位算法——Chan算法和Taylor算法,并结合其优缺点和模拟退火算法,给出了一种基于模拟退火算法（SA）改进的Chan-Taylor融合定位算法。同时,对几种算法的精度做出评定,给出了平均绝对误差、均方根误差、累积分布函数和克拉美罗下界的误差评定标准判定改进算法的改进程度。针对多传感器融合算法存在的问题,本文研究了基于改进蝙蝠算法对粒子滤波融合算法进行改进。文中引进了群智能算法中的蝙蝠算法（BA）,但同时BA也存在缺乏变异、易陷于局部最小值等问题,针对这些问题,改进了BA的迭代更新机制,给出了一种基于改进蝙蝠算法改进粒子滤波（IBA-PF）的方案,并对IBA-PF及基本算法使用理想非线性模型和理想载体运动模型进行了分析,进一步提高了融合精度。最后,使用Mecanum轮小车平台,对SA-Chan-Taylor算法和基础算法进行了静态定位和动态定位试验,并依照算法精度评定比较改进方法和基本算法的精度误差等指标。同时,考虑了几何精度因子带来的定位精度影响。组合定位试验中,使用SA-Chan-Taylor算法的UWB定位结果与半实物INS用IBA-PF做融合算法试验,试验的结果表明,UWB/INS的组合定位结果有效提高了小车定位算法的精度,改进了非视距条件下的定位效果。