近年来,无人机、无人车等运动平台被广泛运用于农业、工业甚至国防等等领域,在应用实践中,平台自身的位置及运动信息往往不可或缺,因此对于运动平台的无线定位及运动状态估计的研究也越来越受到关注。在实际环境中,锚节点的位置信息往往会存在一定误差,如何在这种误差影响下得到更高精度的定位信息,是目前研究的一个热点与难点。此外,如何利用观测信息同时对运动平台的位置与速度信息进行估计,也是一个重要的研究方向。本文基于锚节点存在误差的假设,分别从多节点联合定位及运动阵列运动状态估计两个方面,对运动平台定位算法展开研究。本文的主要研究工作如下:（1）基于锚节点位置存在误差的情况,构建多平台联合定位的系统模型,并基于系统模型提出了三种定位算法。本文在传统协作定位模型的基础上,考虑锚节点位置误差,并添加锚节点间测距信息作为先验信息,进行盲节点的定位估计及锚节点的位置修正。基于上述系统模型,本文推导了多平台联合定位的克拉美罗下界（Cramér-Rao Lower Bound,CRLB）。然后,本文基于极大似然估计（Maximum Likelihood Estimate,MLE）提出了迭代法以及两种凸松弛算法。首先,本文推导了牛顿迭代法用于MLE定位问题的求解,能够在良好的环境条件下提供高精度的定位估计。其次,本文分别使用了二阶锥松弛与半正定松弛算法,将原MLE问题转化为凸优化问题求解,可以为迭代法提供良好的初始解。最后,本文分别将考虑锚节点误差的两步加权最小二乘（Two Step Weighted Least Squares,TSWLS）算法,以及上述两种凸松弛算法,与迭代法相结合,在不同环境下进行定位效果测试。仿真结果表明,本文提出的定位算法较传统TSWLS算法具有更高的定位精度,且将TSWLS算法及两种凸松弛算法与迭代法相结合,能够得到贴近CRLB的定位结果。其中,半正定松弛后的凸优化问题能够解算得到最接近真实值的初始解,并可以经过迭代达到CRLB,但计算复杂度较高,运算时间最长。（2）在上文讨论系统模型的基础上,构建多时刻联合的运动阵列状态估计系统模型,并基于此模型提出了三种运动状态估计算法。本文利用运动阵列相邻时刻状态的测量信息进行联立求解,在运动模型未知且无运动信息测量手段的条件下,提供了一种对运动阵列各节点位置及速度进行估计的系统模型。首先,本文推导了基于系统模型对位置及速度进行估计的CRLB。然后,基于MLE问题,本文先后提出了迭代法,以及分别应用二阶锥松弛和半正定松弛的两种凸松弛算法。在仿真测试中,通过凸松弛算法为迭代法提供良好的初始解,并在迭代中提高运动状态的估计精度。仿真结果表明,结合本文提出的凸松弛算法与迭代算法,定位效果明显优于传统TSWLS算法,且能够在不同环境下得到贴近CRLB的运动阵列位置及速度估计效果。