在超宽带(UWB)室内定位系统中,定位基站极易受到干扰,从而影响定位系统的准确性、稳定性和可靠性,干扰较强时,会造成基站数据异常波动,无法完成准确定位。为解决UWB室内定位系统基站异常情况的定位问题,本文提出了一种基于粒子群优化的极限学习机(PSO-ELM)定位模型,实现在定位基站发生异常情况下的高精度定位。该定位模型利用双边测距(TW-TOF)采集标签和基站的距离,运用极限学习机(ELM)建立室内定位解算模型;引入粒子群算法(PSO)优化极限学习机的隐含层权值和阈值参数,以克服ELM算法存在的缺点。实验结果表明:在基站正常情况下,PSO-ELM定位模型平均定位精度可达0.03　m,相比于传统TOA定位算法,精度了提高73%;同时在基站异常情况下,平均定位精度可达0.04　m,有效解决了当定位系统基站发生异常情况时无法完成正常定位的问题。