随着位置信息在国民生产、生活中地位日益凸显,定位功能已经成为5G无线通信系统的重要特征之一,催生大量新应用和服务。这些新应用和服务对定位技术精度和形式等要求日益精进。毫米波作为5G系统的关键技术,具备似光传播和高路损特性,导致多径信息更容易被分离获取。大规模天线阵列能提供额外的空间增益以对抗毫米波信道的高衰落,同时毫米波降低了系统对天线尺寸大小的要求,两者优势互补搭配波束赋形可提供更高的空间自由度和角度分辨率,为角度估计带来可观增益。本文聚焦于5G场景下角度估计算法和室内定位算法研究,论文主要工作如下:1.针对5G室内场景下的角度估计问题展开研究,提出了低信噪比角度估计算法。本文使用上行探测信号作为参考信号,利用泊松点过程对基站和用户进行建模,理论分析并仿真,得知3GPP 5G室内办公室场景为典型的低信噪比环境。针对5G室内低上行信噪比对到达角估计精度带来的挑战,本文提出拓普利兹调整和特征值抑制噪声法,设计定制化谱峰搜索策略,改进了传统的多重信号分离算法。该方案可以有效地提升低信噪比下的角度估计性能,特征值抑制法相比拓普利兹法具有更好的鲁棒性。2.针对5G室内定位算法进行研究,设计了多径无迹卡尔曼滤波室内定位、轨迹追踪算法。本文利用毫米波信号的直射径和一次反射径信息,在不增加基础物理设备的前提下引入额外的镜像基站,解决了定位锚节点不足的问题。然后,使用无迹卡尔曼滤波算法处理多径测量值信息,利用无迹变换削弱用户位置和测量变量之间的非线性关系,使用历史信息实时估计噪声误差的分布参数并结合多径信号到达角度、信号到达时间测量值对分布参数加以修正,将结果反馈到用户位置估计值上,进而消除部分定位误差,提高定位精度。