随着“互联网+”、“智能+”等新兴科技产业的兴起,精准位置信息的提供至关重要,而在一些复杂环境下,精准位置信息的获取十分困难。这些复杂环境包括地理条件上的阻碍,如山谷、灾害等,也包括人为建筑如室内、隧道一类的受限空间,更包括对列车、飞机等高速运行的物体的定位。为使得在这些条件下也能够获取精准的位置信息,研究应用于复杂环境下的无线定位技术意义重大。本文通过对无线定位的基础理论进行学习,对国内外已有的研究成果进行分析,分别针对车载移动终端定位方案、列车定位技术和室内定位技术进行研究。研究内容和创新点概括如下:(1)在列车高速运行的场景中,车内移动终端自由移动,列车的绝对位置与车载移动终端位置并不相同。本文提出车载移动终端中继定位方案,利用位置意义上的中继,避免信号穿透列车车壁产生的损耗,分别对列车和车内移动终端进行分步定位。为解决列车在山谷等复杂地理环境下接收信号受阻,或由于与基站距离太远无法直接通信等问题,利用无人机辅助定位,代替参考节点构成无线传感网单元。另外针对由列车和无人机的速度差产生的定位误差,对传统RSSI测距定位算法进行误差补偿。通过仿真验证,加入误差补偿的定位算法比传统RSSI测距算法性能更好,中继定位方案的算法性能比直接穿透列车车壁进行的定位算法性能更好。(2)利用惯性导航系统进行的列车定位技术具有累积误差,只适合短时间的定位。本文将捷联式惯性导航系统与加入误差补偿的RSSI定位算法进行融合,提出列车融合定位算法。另外通过将惯性测量单元的测量结果作为观测向量,建立以隐马尔科夫模型为基础的列车运行状态模型与观测模型,采用高斯混合模型模拟后验概率函数,并利用最大期望法进行相应参数的估计,实现对列车的目标跟踪定位。(3)在室内空间,采用传统参数化定位方法会受非视距与多径环境影响。本文设计实现了半监督学习室内定位系统,对所采集的数据质量进行优劣分级,并利用边际相关性与递归特征消除方法进行特征选择,再利用支持向量机理论学习数据并生成分类器从而进行定位。最后将所实现的系统应用于车载移动终端的中继定位方案中。仿真结果表明,利用所实现的室内定位系统从局部改进定位算法,可在整体上优化中继定位方案的算法性能。本文共有图36幅,表2个,参考文献64篇。