无线定位在现代社会生活中发挥了越来越重要的作用,在交通导航、社会治安和军事行动等各方面的都有着广泛的应用。与多基站定位受限于非视距和多径传播不同,基于机器学习方法的单基站定位摆脱了传统的三角几何计算方式,不再受限于信号到达的路径是否为直射路径。相反地,信道到达的路径越复杂对于定位的结果来说反而越有利。本文主要阐述在MIMO移动通信系统中基于支持向量机的单基站定位方法,并解决了定位仿真过程所需要的信道模型建立和定位参数估计等问题。以往用于单基站定位仿真的信道模型都是采用散布散射体的方法来产生信道,本文提出采用射线跟踪的方法来辅助模拟实际环境的传播信道。SCM信道是几何统计信道模型的一种,几何统计信道建模实质上是射线跟踪建模的一种简化,因此将射线跟踪结合SCM信道模型来建立一个适用于定位仿真的信道模型。第三章建立的信道模型是用于本文的定位算法仿真,针对一个已知的环境建立源点到场点的信道仿真,用射线跟踪获取信道的射线情况,包括各路径的时延和角度信息,而信道的路径时延和角度信息是定位的依据。在已知这些射线信息的情况下建立随机信道模型,这个随机信道就是信道估计的估计对象。对于定位来说,也要有很好的信道估计才能提供更准确的定位参数。传统的常用计算信号角度的算法需要求接收信号矩阵的二阶或者二阶以上的统计量,这需要处理较长时间的信号量而且计算量也较大。第四章介绍了一种基于相位差的MIMO信道角度估计方法,直接利用发射天线间(或接收天线间)信道冲激响应的相位差来估计信道的出射角度(或入射角度)。与传统的子空间分解算法相比,本方法的天线个数不受信号源数目的限制,计算过程简单,计算量较小。最后介绍了基于机器学习的定位方法,提出了将支持向量机应用于MIMO通信系统定位中,重点阐述了支持向量机的定位原理及其仿真结果。通过比较测量角度和不测量角度两种情况下的定位效果,说明了角度参与定位的巨大优势;比较了三种机器学习的定位性能,体现了支持向量机定位算法的优越性能。