随着无线通信技术的快速发展,位置信息服务的要求越来越高。全球定位系统目前已经能够实现比较精确的定位服务,但是在一些封闭场景下全球定位系统无法提供高精度的位置信息。例如隧道封闭狭长,无线传播环境复杂,接收到的信号强度较弱。而且隧道作为智能交通系统不可或缺的场景,亟需高精度的隧道定位技术,对隧道中的定位研究具有重大意义,因此本篇论文选取了隧道场景进行定位研究。首先,本文针对几种常用的测距定位方法,分析了它们的原理和优缺点。同时还介绍了几种影响定位精度可靠性的主要因素,分析了产生的原因,为尽可能地减小定位干扰做准备。其次,本文研究了基于RSS的测距增强方法。近年来,基于接收信号强度（RSS）的测距方法因其成本低、操作简单而成为室内的重要定位技术。为了减少RSS波动变化的影响,基于多频段的RSS测距已经引起了人们的兴趣。对数距离路径损耗模型广泛应用于基于RSS的测距中,其中路径损耗指数和频率的相关性较少涉及。本文经过研究发现基于信道测量的路径损耗指数与频率在一些封闭场景中存在略微的依赖性关系,这导致了多频段测距方法的模型不匹配。针对不匹配问题,本文提出了一种简单的基于多频段的RSS测距增强方法。考虑路径损耗指数与频率的关系,利用不同频段的RSS测量来估计距离。在此基础上,引入了多频段阴影衰落因子的协方差矩阵。基于测量的验证结果表明了该增强方法的有效性。最后,本文研究了隧道内利用单基站定位的方法。首先研究了静态方法在隧道内进行定位的可行性,并将测得的误差与CRLB下界进行了对比。其次在地图信息已知的情况下提出了基于地图信息的优化贝叶斯估计,提高定位精度。在本文中介绍了扩展卡尔曼滤波和粒子滤波算法的基本原理和相关知识。针对粒子可能分布在隧道壁外部和多基站定位技术存在信号干扰的影响,提出了基于已知地图信息的单基站粒子滤波优化算法（IPF）,最后通过仿真验证了该方法的有效性。在仿真中,将IPF算法与PF算法和EKF算法进行了比较,仿真结果表明,本文提出的基于地图信息的单基站粒子滤波优化算法能够有效的进行移动目标的定位跟踪。