车辆自组织网络(VANET: Vehicular Ad-hoc Network)是传统的移动自组织网络在交通道路上的应用,其基本思想是通过短距离通信技术实现车与车以及车与路边基站之间的通信,从而使得在一定通信范围内的车辆可以相互交换各自的车速、位置等信息和车载传感器感知的数据,并自动的连接建立起一个移动的自组织网络,在保障驾驶安全、提高道路交通效率等方面具有独特的作用。这其中,车辆定位信息、运动轨迹以及相邻车辆之间的相对距离等与位置相关的信息对于车辆自组织网络的安全类应用具有重要意义。本学位论文以提高车辆定位导航信息的准确性为目标,重点研究了车辆白组织网络在出现定位盲区时快速准确定位的相关关键技术。城市卫星信号盲区为城市中被高楼或者隧道遮挡住卫星信号的区域,该区域卫星信号较弱,定位精度较差。行驶在道路上的车辆借助卫星导航系统获取位置,当车辆行驶到误差较大的盲区时,车辆的位置只能通过惯性导航来维持,而随着时间的推移,导航的误差越来越大,最终使得导航出来的位置毫无作用。现有的技术都在一定程度上存在着定位精度不佳或者成本过高的问题,本文提出了一种城市卫星信号盲区内的车辆协作定位方法。该方法使用车辆自组织网络作为车辆通信的基础,采用多普勒频移技术来确定目标车辆与周围车辆之间的相对位置,并且从这些周围车辆的信息中筛选出合格的信息来源,通过多个相对位置的融合计算,得到目标车辆的粗略估算位置。筛选和车辆模型采用GRW模型,该模型将提供车辆位置等级信息以及车辆之间信息交换的约束条件,使得信息的利用更加简单高效,在一定程度上提高了计算的效率和信息的有效性。使用无迹卡尔曼滤波对结果进行滤波计算,将结果同带有时间衰减的惯性导航输入分量进行加权平均,得到最终输出的估计位置。在车辆稀少地段或者是卫星定位盲区较大地块采用路边单元充当静止不动的高精度定位车辆,对GRW定位模型进行一定的补充,以免车辆过少或者盲区过大导致周围没有合适的信号来源。仿真结果表明,该方法能够提高车辆的定位精度,在一定程度上解决了车辆的城市定位中遇到盲区的情况。