随着移动互联网技术的飞速发展,基于无线定位的各种服务与应用(LBS)得以迅速普及推广。无线定位成为下一代网络的重要应用之一。随着智能终端的普及,移动蜂窝网络、无线局域网等多种网络制式为终端的无线定位提供了更多的技术支撑。本文利用下一代网络环境下智能终端支持端到端通信的新特性,开展多终端协同定位的相关理论研究,并提出了一系列高性能算法。具体工作如下：为解决存在非视距误差、可见参考点数目不足等病态条件下无线定位精度不高的难题,本文利用端到端通信实现终端之间的距离测量,进行多终端协同定位,并重点讨论协同定位中基于概率信息和基于非概率信息的两大类定位算法。首先,在概率类协同定位算法中引入因子图的概念,利用无线参数测量中的概率信息,构建定位节点之间的因子图和内部因子图的框架,利用包含统计特征的信度信息在因子图的迭代传播,建立基于因：子图的协同定位模型。考虑终端和基站提供信息的可信度差异,对来自协同终端节点的定位信息进行一定的加权,提出基于加权因子图的协同定位算法。仿真结果表明因子图理论可以大大降低计算的复杂度,加权操作抑制了协同终端坐标误差对定位的影响,能够实现高精度、高稳定性的定位。此外,针对非概率类协同定位算法的集中式和分布式实现方案,分析两种方式的数学模型差异,引入克拉美罗下限分析定位算法的理论性能下限。针对分布式协同定位算法性能通常差于集中式算法的现象,考虑分布式算法中协同终端位置模糊的影响,提出分布式协同定位所特有的克拉美罗下限计算方法。比较集中式与分布式定位的性能关系,本文首次从理论上证明了经过无穷次迭代后,分布式协同定位算法可以达到与集中式算法相同的定位性能。进一步,分析出协同终端的位置模糊问题是导致分布式算法在有限次迭代内定位精度低于集中式算法的主要原因。该结论对于在根本上提升分布式协同定位算法的精度具有很大意义。最后,针对分布式协同定位的位置模糊问题,本文提出了基于元素加权总体最小二乘的协同定位算法。该算法同时考虑了距离测量误差和协同终端的坐标误差,是符合分布式协同定位实际场景的一致性估计,可以得到在终端存在位置模糊条件下的最优解。仿真结果表明,本文提出的元素加权总体最小二乘算法相比其他方案更能够有效地抑制了位置模糊的不利影响,使定位精度和鲁棒性都有所提升。