随着5G商用的到来,智能网联汽车将在智能交通系统中广泛应用,智能网联汽车配备了车载传感器、通信设备,接入到现代通信网络,能够实现了车与其他设备之间的智能信息交换共享。网联汽车的位置信息对于自动驾驶等许多应用都具有重要作用,网联汽车的协作定位能够实现高精度的定位。本文针对协作定位算法的设计、非视距鉴别、及协作定位中的参数估计做了深入研究,主要工作成果如下:(1)考虑多种类型测距以及非视距情况下的协作定位设计:针对到达时间(time-of-arrival,TOA)、接收信号强度(received signal strength,RSS)、到达角度(angle-of-arrival,AOA)以及多普勒频率(Doppler frequency)四种测距情况下,提出了 一种适用于网联汽车的三维通用协作定位器(three-dimensional universal cooperative localizer,3D UCL)。其核心思想是将三维协作定位问题转化为广义线性混合问题,然后利用广义近似消息传递(generalized approximate message passing,GAMP)算法解决三维协作定位问题。但是,由于非视距(non-line-of-sight,NLOS)链路导致测距存在大的偏差,这些测距会严重影响了 3DUCL的定位性能。因此,将3DUCL与地理信息辅助的NLOS识别机制相结合,开发了三维地理信息增强通用协作定位器(3D geographical information enhanced UCL,3D GIE-UCL)。最后,通过图形处理单元(graphics processing unit,GPU)并行化、粒子删减和消息删减来加速3DUCL。通过粒子删减和参考节点升级来加速3DGIE-UCL。仿真结果验证了 3D UCL和GIE-UCL的定位性能增益。采用加速技术后,3DUCL和GIE-UCL分别实现了 241和3.3倍的加速。(2)考虑测距参数已知和未知情况的协作定位设计:本文以3D AOA为例,考虑3D AOA中的欧拉角已知和未知情况下的协作定位算法设计。基于GAMP和最小二乘(least-square,LS)提出两种类型的协作定位器,两种定位器能够工作在(非量化)量化3D AOA,(未知)已知欧拉旋转角度,和3D AOA中水平方向的夹角是π/2π情况。首先,在欧拉角已知的情况下,将基于3D AOA的协作定位问题转换为广义线性混合问题,用GAMP求解广义线性混合问题,并利用重要性采样计算均值和方差,得到了 GAMP定位器。在3D AOA中水平角度为π/2π周期下,开发了 Type-ILS定位器。在2π周期情况下,根据3D AOA与两个相邻VANET节点xyz坐标相减的结果之间的tan/cos关系,定义损失函数来度量上述关系被违反的程度。通过梯度下降方法对车辆位置进行优化。π周期下情况,引入了额外的0/1整数来表示水平方向AOA的接收方向。将其松弛为[0,1]范围内的连续变量,然后用梯度下降法将表示接收方向的连续变量与车辆位置联合重建。其次,在欧拉角未知的情况下,将期望最大化(expectation-Maximization,EM)框架与GAMP相结合,通过一步GAMP迭代更新车辆位置和最大化xyz坐标相减条件概率分布函数的期望来估计欧拉角。开发了3D Type-Ⅱ LS定位器,通过最大化3D AOA测量值与欧拉角之间的概率函数来估计欧拉角,通过3D Type-ILS定位器恢复车辆位置。仿真结果验证了所提出的两种定位器的性能优于现有的定位器。GAMP型定位器优于LS型定位器,能够处理非线性量化损失。在EM-GAMP和Type-ⅡLS定位器中,随着迭代的进行,车辆位置和欧拉角交替恢复。