在室内定位领域,UWB(Ultra Wide Band,超宽带)室内定位凭借其较高的精度,较低的功耗已经有着比较成熟的应用。但是在遮挡较多的非视距环境下,超宽带室内定位的精度较低。目前针对非视距环境下的UWB定位,通常为将一个非视距环境分解为多个视距环境,分别在每个视距环境下实现定位。该方法使用的基站数量较大,使得成本大大增加。为了解决这个问题,本课题设计了一套在视距环境和非视距环境下都可以使用的UWB定位系统,增加了测距范围,在少基站、低成本的条件下达到较高的定位精度。对标签和基站进行了嵌入式软件设计。采用STM32作为微控制单元,硬件上设计了UWB测距模块、惯性测量模块、基站和标签的硬件电路,完成了PCB设计并形成了实物。软件上采用了改进的双向双边测距法完成UWB模块的测距,实现了测量距离和惯性信息的功能。标签将测得的数据通过WIFI发送给上位机。对测距范围和精度进行了测试,结果表明,在视距环境下,测距误差在5cm以内;非视距环境下,门、桌椅、一个行人遮挡的情况下,测距误差保持在30cm以内,在门、座椅、两个行人的遮挡的情况下,测距误差约50cm。定位算法方面,对室内定位过程中的各种误差进行了分析,采用改进的双向双边测距法和参数修正降低DW1000的测距误差。通过优化基站的摆放位置来降低有距离计算位置时引入的误差,减少多径效应的发生。为了降低非视距误差,基于卡尔曼滤波器设计了组合定位系统,就解决非线性问题采用了TDOA-卡尔曼滤波器和扩展卡尔曼滤波器两种方法,探究了Sage-husa自适应处理的影响。仿真结果表明,扩展卡尔曼滤波器在定位过程中表现稳定,精度较高。和只使用距离信息的TDOA算法相比,均方根误差由4000mm降低到了600mm,定位精度有了很大的提升。采用基于卡尔曼滤波器的组合定位算法对标签位置进行估计,针对本课题的具体情况,设计了一套将距离和惯性信息融合的定位算法,提高了非视距环境下的定位精度。基于Python的TKinter模块设计了上位机软件,实现了接收WIFI数据,实时显示标签位置,加载地图,运动轨迹绘制,数据存储等功能。对系统进行了整体测试。视距环境下,定位精度在10cm内;非视距环境下,大部分遮挡不是特别严重的情况下定位误差在40cm以内,遮挡过于严重时可以达到70cm左右。运动轨迹与实际路线基本一致。刷新率为每秒10次。