本学位论文主要研究基于MIMO平台的车联网实时精确定位算法。针对当前全球导航卫星系统(GNSS, Global Navigation Satellite System)和射频识别(RFID, Radio Frequency Identification)等定位方案不能提供足够定位精度的问题,本文提出一种应用频率分集、多普勒效应和接收信号强度(RSS, Received Signal Strength)等对距离和路径衰减因子进行联合估计的算法。首先建立了算法模型并进行了推导,分析由多普勒频移和时钟偏移造成的频率不确定性对算法的影响,建立了仿真模型对算法进行了验证,并分析了速度对于算法误差的影响；然后利用Sundance公司的MIMO实验箱搭建了MIMO软硬件实验平台,基于该平台实现了低速环境下的定位,实验结果表明,天线数的增加能够显著提高定位的精确度。全文内容安排如下：第1章介绍了课题的研究背景与意义,以及现有车联网技术的研究现状。第2章讨论了车联网定位的关键技术,MIMO实验平台以及本系统中涉及的关键技术。第3章提出了一种对距离和路径衰减因子进行联合估计的算法,并仿真验证了算法的可靠性。第4章介绍了搭建MIMO实验系统的方法以及定位方案,实现了基于MIMO的定位系统。第5章对全文的研究进行总结,并对下一步的研究工作给出展望。