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得到迅速普及和推广。室内定位是下一代网络的重要应用之一。相比于传统室内定位,多终端协作定位解决了可视参考节点数目不足条件下的无线定位精度不高的问题。与人工放置的具有精确位置信息的参考节点不同,终端节点作为参考节点时往往存在误差,并且当终端节点分布较为密集时会加剧数据传输之间的相互干扰,加大了测距误差。异构网络的广泛协作和终端节点间的互联互通更容易引发误差的大规模扩散和非线性累积。针对协作定位存在的这些问题,本文开展了多终端协作定位的相关理论研究,并提出了一系列高性能的算法。具体工作如下:首先,针对概率类协作定位算法引入了因子图的概念,利用无线参数测量中的概率信息,构建了定位节点之间的因子图和内部因子图框架,并分析了包含统计特征的信任信息在因子图上的迭代传播过程,以此为模型介绍了SPAWN算法。然后,针对非视距环境下协作定位存在的非视距测量问题,在保证网络覆盖和性能的前提下,本文提出了基于费舍尔信息矩阵的协作节点选择算法。该算法可以使待定位的终端节点从周围的参考节点中选择部分节点进行协作。该算法所使用的参考节点衡量标准可以评估参考节点对终端节点位置估计精度的影响,从而使终端节点可以选择合适的子集进行协作,以最大程度减小定位误差和定位消耗的系统资源,包括消耗的能量、信道利用率等。仿真验证了该选择算法通过选择少量的节点就可以实现高精度的定位,并提高了协作定位算法的收敛速度。最后,考虑到选择固定数量的协作节点有时无法达到要求的定位精度,提出了基于边缘费舍尔信息矩阵的可变数量协作节点选择算法,该算法可以在满足系统指定的定位精度前提下,尽可能的选择最少数量的参考节点参与协作,以实现信道资源和能量资源的最大化利用。通过仿真实验对比了其他几种常用的节点选择算法,证明了本文提出的算法的有效性。