近年来,无人汽车得到了快速发展,定位技术作为无人汽车实现决策、规划与运动控制的基础,成为了无人汽车领域的研究热点。目前,应用于无人汽车的定位方式存在精度低、成本高、易受环境影响等问题。如今5G通信技术开始普及,其低时延、高速率和覆盖范围广的特点可极大提升无人汽车定位的准确性和实时性,具有广阔的应用前景。本文在5G关键技术的基础上,研究了5G环境下的无人汽车定位方法,提出了基于到达角（Angle of Arrival,AOA）的5G毫米波定位方法,实现了无人汽车在三维坐标系中的定位。针对5G毫米波非视距传输造成定位误差较大的问题,提出了无人汽车的IMU/5G毫米波组合定位方法,提高了无人汽车定位的精度和可靠性。首先,分析了常用无线定位方法的优缺点,根据5G的技术特性,选取了AOA定位作为5G毫米波的定位方法;针对AOA定位对于信号到达角度估计精度的需求,在5G大规模阵列天线的技术背景下,提出了一种基于总体最小二乘法的二维旋转不变子空间（Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT）算法,通过同时考虑两个子空间误差的影响,设计出旋转因子相似矩阵的迭代求解方法,与传统二维ESPRIT算法相比,提升了对信号方位角和俯仰角的估计精度。其次,以改进二维ESPRIT算法得到的信号到达角为基础,建立了基于5G毫米波的无人汽车AOA三维定位模型。针对定位模型非线性较强的特点,采用了高斯牛顿法对无人汽车位置进行迭代求解。考虑到高斯牛顿法对迭代初始值敏感的问题,通过对非线性定位模型进行线性变换,实现了对无人汽车位置的加权最小二乘估计,选取了加权最小二乘法的估计结果作为迭代的初始值,避免了高斯牛顿定位算法收敛到局部最优解,提升了5G毫米波定位的准确性。最后,针对无人汽车对定位稳定性和可靠性的需求,提出了无人汽车的IMU/5G毫米波的组合定位方法。通过分析不同数据组合方式和系统滤波方式的优缺点,构建了基于松组合和间接法滤波的组合定位系统方案;根据组合定位系统方案建立了系统的状态方程和量测方程,设计了基于卡尔曼滤波器的组合定位算法,实现了无人汽车的IMU/5G毫米波组合定位。仿真结果表明,IMU/5G毫米波组合定位方法克服了IMU定位误差累积的问题,同时提高了无人汽车在5G毫米波信号非视距传输情况下的定位精度。