随着信息行业的高速发展,人们对更精准位置信息的需求逐渐上升,这促使众多研究学者以及相关企业致力于无线定位算法精度的提升和改进。在无线定位系统中,一个主要挑战就是信号的非视距(NLOS)传播,如何有效地抑制非视距误差实现移动终端的精确定位是迫切需要解决的热点和难点问题。为此,本文针对非视距环境下的定位算法进行深入研究,重点研究利用散射体信息提升算法的定位性能。本文开展的主要工作如下:首先,通过查阅现存的大量相关文献,综述了国内外最优化定位算法的研究现状,总结了现有最优化定位算法研究的不足。其次,分析了NLOS传播对定位精度的影响,并研究了圆盘散射(DOS)模型和圆环散射(ROS)模型下的NLOS误差特性,通过仿真验证了相同的散射半径条件下,ROS模型下的NLOS误差比DOS模型大。同时分析了三种常见的基于TOA的最优化定位算法在视距环境和NLOS环境中的定位性能,仿真表明各算法在NLOS环境下定位精度均严重下降。再次,以NLOS环境下两种几何约束最优化定位算法为基础,详细探究了其扩展算法:基于散射体信息的几何约束网格法(MSRC)和基于散射体信息的几何约束非线性法(TACA),并对四种算法从初始值的选取、网格划分、散射环境等多个因素进行仿真验证和性能比较。仿真结果表明,充分的利用散射体信息定位可以有效地抑制NLOS误差的影响。然后,针对MSRC在NLOS误差较大时定位性能明显下降问题,提出了一种改进算法。该算法利用多次测量的AOA信息实现散射体的位置计算,并通过给移动台(MS)候选点赋予动态的权值,以达到降低NLOS误差影响的目的。仿真结果表明,改进算法的定位性能优于MSRC算法,即使在NLOS误差干扰严重的情况下也能保持较高的定位精度。接着,针对双基站场景下,传统的TOA/AOA非线性最优化定位算法受初始值选取、稳定性差以及精度低等问题,提出了一种基于散射体信息几何约束及迭代的最优化定位算法。该算法先引入了最大散射半径作为几何约束条件,再以线性迭代方式进行一维全局搜索并结合最小二乘得到MS初始估计值,然后利用阈值筛选和归一化加权得到MS的最终位置。仿真结果表明,在NLOS环境下该算法相比现有相关的定位算法,定位精度更高和计算开销更低。最后,对以上所开展的工作进行了总结,同时规划了后续的研究内容。