随着人们对定位要求的提高,短距离尤其是室内定位技术受到了人们的广泛关注。在室内定位技术领域,无线信号容易受到各种障碍物的影响以致其传播特性比较复杂,且实际的室内定位需求往往要求相对较高的定位精度(通常小于1米),而在室外得到广泛应用的GPS定位技术在室内难以接受到卫星信号,即使能够接收到部分卫星信号,无论是从信号传输还是从定位精度上也都难以满足室内定位的需求。而无线传感器网络和射频识别技术以其体积小、成本低、非接触、非视距以及覆盖范围广等优点被人们列为室内定位的主流技术之中。本文首先针对无线传感器网络对静态目标的定位算法做了详细描述,包括在距离、角度或距离加角度下最小二乘以及卡尔曼滤波的表达形式。之后对两种算法进行了详细的分析,在测量噪声与距离无关或相关的情况下,分别推导出了定位误差的期望值及其方差。并通过极小化定位误差的大小,本文给出了在三个测量节点时节点的最优位置分布。然后对两种算法进行了仿真对比,可以看出卡尔曼滤波算法在测量距离的情况下定位精度最高；且对于与距离相关的测量噪声,在相对距离的测量之下,卡尔曼滤波比最小二乘的鲁棒性更好。最后对四种常见的节点位置分布(正方形、圆形、三角形和六边形)进行误差对比,得出在正方形的分布形式下定位精度最高。针对射频识别技术对移动机器人的定位问题中,由于难以通过二元测量值直接对机器人进行定位,本文提出了一种基于测量变化标签的距离模型,将阅读器对测量变化标签的二元测量值转换成二者间的距离值,随后利用扩展卡尔曼滤波的算法对机器人进行实时定位。通过仿真可以看出,该算法对机器人定位的精度较好,且每步的运算量较小。