全球导航卫星定位系统(GNSS)作为最为成熟的定位系统主要用于相对开阔环境,而室内环境中的墙体及障碍物相对密集,信号传播遭受严重的遮挡而造成定位系统“丢星”,而无法完成定位。目前商用的LTE(Long Term Evolution)移动通信系统,提供的PRS,PSS,CRS等信号,可以用于定位。但LTE信号在室内环境中传播极易受非视距(NLOS,None-Line-of-Sight)和多径衰落影响,产生极大的到达时间(TOA)估计误差,导致室内定位精度下降,且运营商通常不发送PRS信号。因此,针对上述问题,本文开展利用PSS主同步序列的精确TOA估计,提供基于LTE移动通信系统的室内定位方案,该方案分为三个部分。首先,通过压缩感知来估计多径信道的信道冲激响应和多径时延,设计与实现了基于LTE主同步序列的压缩感知信道估计算法,通过估计的多径信道时延和冲击响应获得较精确的TOA值。仿真实验验证了算法的有效性。其次,为了提高NLOS场景下TOA的估计精度,利用集成学习拥有加快训练时间的能力,提出了基于AdaBoost(Adaptive Boosting)算法的LOS/NLOS鉴别器,有效提高非视距鉴别效率。数值仿真表明,与传统非视距鉴别算法相比,在取得近似分类精度的情形下,本文算法的计算复杂度得到了大大的降低。最后,论文参考线性回归的分类思路,利用一维卷积神经网络训练带误差标签的训练数据,建立误差偏度分类器,提出了基于神经网络的LTE-TOA估计算法。仿真实验表明,与传统算法相比,该方法可以有效减小TOA估计误差,提高室内定位精度。