目标定位在军事领域和民用领域发挥着越来越重要的作用,例如军事行动、应急救援和响应、地震勘探、航空航海,对基于位置服务(Location Based Service,LBS)的商业应用显得尤为重要。随着目标定位深入研究,一些棘手的问题也暴露出来,其中一个极大的挑战就是信号的非视距(Non-Line-of-Sight,NLOS)传播,如何在严重的非视距环境下稳健地抑制非视距误差对定位精度的影响是目标定位迫切需要解决的热点和难点。然而,现有的研究通常是假定已知非视距误差的全部或部分统计信息,或者是已知非视距路径状态。但是,在复杂多变的无线环境获取非视距误差的统计信息是不切实际的,在判断路径状态时也避免不了出现判决误差的情况。另外,现有的算法在较低的计算复杂度和稳健的定位性能之间很难同时得到满足。针对这些缺点和不足,本文的主要研究成果如下:(1)针对非视距环境下非合作定位问题,本文提出了一种稳健二阶锥松弛(Second-Order Cone Relaxation,SOCR)方法。该方法无需已知非视距误差的统计信息,只需已知其上界,这在实际中很容易实现。另外,该方法对非视距路径的判决不敏感,即出现判决误差的时候,定位的性能仍然稳健。仿真结果表明,该方法在多个非视距场景下定位性能优于其他算法,同时具有较低的复杂度,平均求解时间更短。(2)针对非视距环境下合作式定位问题,本文提出了将非视距环境下合作定位问题描述稳健最小二乘(Robust Least Squares,RLS)问题,由于该问题是非凸的,利用凸松弛的方法,将其转化为混合半正定和二阶锥规划(Mixed Semidefinite and Second-order Cone Programming,Mixed SD/SCOP)问题求解。该方法同样无需已知非视距误差的统计信息,只需已知其上界。合作定位不仅利用了未知目标和锚节点之间的连接,还利用了未知目标之间的连接,提高了定位精度和定位范围。仿真结果表明,同现有算法相比,该算法在高密度非视距环境下定位精度高。