无线定位技术的发展伴随着不断优化定位算法提高定位精度的历程。经典算法的设计对定位场景设定了很多理想化的假设。实际的定位场景中存在普遍的障碍物、人群的活动以及非理想的信道环境,造成一系列的干扰误差。若这些干扰误差没有通过优化定位算法得到相应的处理,就会严重影响定位精度。衡量定位精度的主要指标之一是定位偏差。因此,本文主要研究低偏差无线定位算法的设计与实现。本文首先对定位系统中定位算法误差进行理论分析,为后文低偏差定位算法的设计提供理论依据。理论分析表明,定位算法误差可分为迭代类算法误差和闭式类算法误差。收敛门限和迭代初始值的精度决定了迭代类算法误差;闭式类算法误差则来源于对非线性观测模型进行了过于简单的线性化。常用的伪线性模型忽略了观测误差向量之间的相关性以及高次误差项,导致了较大的定位偏差。本文研究了椭圆定位和双曲线定位的低偏差算法,分别减小高次误差项和观测误差之间的相关性引起的定位偏差。基于对定位算法误差中伪线性观测模型偏差的分析,本文首先提出了一种基于半定规划（Semidefinite Programming,SDP）的低偏差椭圆定位算法。在椭圆定位模型中,将位置估计问题转化为负对数似然（Negative Log-likelihood,NLL）函数最小化问题,并将其转化为具有多个二次等式/不等式约束的二次规划问题。通过等价变换以及将非凸的秩1约束进行松弛,将具有多个二次等式/不等式约束的二次规划问题转化为半定规划问题并计算得出最终的定位解。该方案从原始的似然函数出发,在非线性观测模型与伪线性观测模型间取得了一个平衡。既避免了对非线性观测模型的迭代求解,又因无需线性化,规避了因忽略高次误差项引起的伪线性观测模型偏差,同时保证了定位精度与定位算法的计算效率。本文中不仅给出了算法详细推导过程,并通过蒙特卡洛仿真实验分析对比了在不同噪声水平下目标位置的估计性能。仿真实验表明,在不同的噪声水平下,该算法无需进行后处理,近似给出了目标位置的最小方差无偏估计。区别于上述算法对伪线性观测模型的规避使用,本文接下来提出了基于约束总体最小二乘（Constrained Total Least Squares,CTLS）的低偏差双曲线定位算法。在该算法中,首先给出双曲线定位问题的伪线性观测模型。根据伪线性观测模型偏差分析,考虑二次误差项以及观测误差之间的相关性,给出了基于CTLS估计理论下的定位模型,并通过牛顿迭代法得到定位问题的迭代解。接下来,同样考虑了二次误差项以及观测误差之间的相关性,并为了在一般的观测误差模型下保持位置参量的估计性能,提出了基于广义总体最小二乘（Generalized Total Least Squares,GTLS）估计理论下的定位模型。通过矩阵分解与矩阵变换得到定位问题闭式解,计算简便,且避免了矩阵开方与求逆,数值稳定性强。仿真实验表明,在不同的噪声水平下,CTLS估计量与GTLS估计量均近似达到了最优的统计性能,有效降低了因忽略观测误差向量之间的相关性以及二次误差项而引入的定位偏差。在设计基于GTLS的低偏差定位算法时,通过矩阵变换与分解等方法,避免了对定位问题的迭代求解,保证了算法的收敛性,但同时也引入了求解过程中的计算瓶颈:奇异值分解（Singular Value Decomposition,SVD）。因此,本文的最后对奇异值分解在FPGA异构平台上实现硬件加速,完成了奇异值分解的并行化算法在硬件平台上的加速实现。实验结果表明,本文所提出的奇异值分解加速方案消耗硬件资源较少,计算误差在允许范围内,且与奇异值分解在MATLAB上的计算时间相比较,计算时间显著降低,加速效果明显。