无线传感器网络近几年来发展迅速,并被逐渐应用到军事、医疗、环境检测、生态学研究、目标跟踪等各个领域,其关键技术是节点定位。考虑到IR-UWB具有较强时间分辨力的特点,能够用来进行高精度节点定位,因此被广泛应用到无线传感器网络的物理层。本文针对IR-UWB无线传感器网络中的节点定位问题进行深入研究。本文首先介绍IR-UWB无线传感器网络的概念以及此网络的优势,并论述国内外定位技术研究的现状。接下来分析已有测距算法的优缺点,这些算法包括接收信号到达角度(AOA)、接收信号强度(RSSI)、接收信号到达时间差(TDOA)和接收信号到达时间(TOA),最后根据分析结果找到适合IR-UWB无线传感器网络定位的测距算法,即TOA算法。本文重点研究的是单节点定位。第一步完成测距,所以本文提出了基于优化动态门限的TOA估计算法。已有TOA估计算法中,大部分基于固定门限,不能在任何可能的信噪比下进行估计,有少数算法基于动态门限,能够在任何可能信噪比下进行估计,但这些算法仅考虑了信号的幅值特性,却忽略了其时延特性,使得统计量不完全,估计误差较大。本章提出的基于优化动态门限的TOA估计算法弥补了上述缺点。首先运用能量检测算法检测出直达单径(DP)所在能量块；然后根据峭度、平均附加时延和均方根时延扩展的组合,提取出最优门限值并拟合出动态门限公式,进而估计出DP所在位置,并以此计算出TOA值。本章还通过仿真对比,验证了算法的优越性。影响定位精度的主要因素就是非视距(NLOS)误差,所以本文关于节点定位的第二步就是视距(LOS)和非视距(NLOS)的识别与误差抑制。目前主流的信道状态鉴别研究多是针对蜂窝环境的,节点都是移动的,本章主要针对固定节点之间的NLOS’情况进行研究。首先通过信道估计获得峭度、均方根时延和偏度等三个参量,然后借用联合似然比理论的思想,将得到的参量进行联合,用于识别LOS和NLOS的状态。与已有的识别方法相比,本章所提识别方法精度更高。此外,为了抑制NLOS误差,在三段权值的基础上,提出了四段权值,第五章将用这个权值的方法进行加权计算,以更好的校正TOA测距结果。文章最后就是对节点进行定位计算,并以此为基础进行整体网络的协作定位。使用TOA测距结果及其NLOS处理结果的信息相综合,用四段加权最小二乘法(WLS)算法来对未知节点的位置坐标进行估计。通过仿真对比,表明了本章所提定位算法比现有的三段WLS算法误差更小,定位精度更高。针对网络协作定位的仿真,证明了本文方法的有效性。