第五代移动通信技术（5th Generation Mobile Communication Technology,5G）是当今比较新颖的一种通信技术。用户在手机终端进行上网业务的同时会产生很多的信令数据,研究这些信令数据并利用该数据进行用户位置预测在5G通信和物联网无线技术的设计中发挥着重要作用。本文基于5G通信技术构建多维信息融合的指纹定位方法,分别在室内和室外环境中围绕指纹库构建及优化进行了以下研究:1)针对经典方法中利用单一维度变量——接收信号强度指示（Received Signal Strength Indicator,RSSI）构建指纹库进行定位时容易出现指纹特征区分度不够,导致定位精度较低的现象,提出了一种基于5G的多维信息融合指纹定位算法。利用多种与距离相关的功率信号构建指纹库,结合多层感知机（Multilayer Perceptron,MLP）在线匹配算法进行定位。通过实验验证,该方法相较于RSSI指纹定位,在三种不同的室内实验场景下定位精度分别提升了19.58%,10.70%,12.98%,定位精度均达到了第三代合作计划（The 3rd Generation Partnership Project,3GPP）Rel-16中提到的室内3m的精度要求。其中当累积分布函数（Cumulative Distribution Function,CDF）为80%时,最优定位精度达1.594m。2)针对多维信息融合指纹库中变量之间存在相关性和数据冗余现象,在本文提出的基于5G的多维信息融合指纹定位算法基础上进行优化,提出了一种结合随机森林变量筛选（Random Forest Variable Selection,RFVS）的多维信息融合优化算法。通过计算各变量的重要度并设置阈值选取最佳指纹组合构建RFVS指纹库进行定位。实验结果表明,在三种不同实验场景下,RFVS指纹定位相较于RSSI指纹定位,定位精度提升率为39.56%,30.54%,30.84%;相较于多维信息融合指纹定位,定位精度提升率为24.84%,22.21%,20.52%。当CDF为80%时,最优定位精度达1.198m。3)针对室内和室外基站天线配置的差异,所得到的观测量也有所差异的现象,基于5G Massive MIMO技术,提出了一种基于多波束信息融合的指纹定位算法。使用室外5G多天线基站进行实验并对于测试点采样方式、邻小区辅助定位个数进行分析。实验结果表明多波束信息融合指纹库相对于单波束指纹库定位,提升率均达30%以上;采用随机采样的方式进行定位精度较佳;结合2个邻小区信号进行辅助定位时的性能最好,提升率为23.62%。定位精度达到了3GPP Rel-16中提到的室外20m的精度要求。其中当CDF为80%时,最优定位精度达12.774m。