车载自组织网络是在交通场景下由一组具备有限通信能力和计算能力的车辆节点组成的分布式移动网络,其旨在实现不同车辆之间、车辆与路边固定接入点之间及车辆和人之间的互联互通,同时可提供事故预警、辅助驾驶和互联网接入等服务。车载自组织网络被认为是实现智慧交通、推动智能汽车产业化、提升城市运转效率的关键技术,而节点位置信息是车载自组织网络组网相关理论和应用的基本点和出发点,从复杂的道路环境中获取节点位置也是车载自组织网络研究的重难点问题。为此,本文依托国家自然基金创新群体项目（项目批准号:61821001）和国家自然基金重点项目（项目批准号:61531007）,针对道路环境下的车载自组织网络节点定位问题展开研究,论文总结归纳了现有无线网络节点定位相关方法,综合定位精度、系统稳定性、驾驶安全、技术先进性、未来应用等因素考量,论文选取毫米波雷达来实现车载自组网节点定位这一目标。论文的贡献与创新点主要有以下几方面:1)建立了毫米波雷达用于车载自组网定位的功能框架。解决了节点雷达模块与通信模块融合定位的三个主要问题:节点定位盲区问题、多节点雷达数据融合处理问题、雷达识别目标与通信节点不匹配问题,明确了节点通信范围与雷达探测范围的关系。2)提出了车载自组网邻居节点匹配定位算法。由两个相邻节点雷达模块测量值建立定位匹配函数,引入距离和角度两维度来表征节点测量值之间的匹配程度,在此基础上实现了车载自组网节点定位技术,该定位技术具有分布式、自组织、稳定性强等特点,定位误差可达厘米级,仿真研究了雷达测量误差、节点总数对匹配定位失误率和定位误差的影响,并做场外实验对方案进行验证。3)提出了两种多邻节点联合的高精度定位算法。两种算法都利用了多个邻居节点的雷达测量值,其中多邻节点最小二乘定位算法以最小化误差为目标,建立优化方程,得到了中心坐标的最小二乘解;考虑到雷达测角误差对定位的影响会随着节点距离值而增大,给出了另一种多邻节点距离加权定位算法,该算法赋予较近的邻节点更高的权值,仿真结果表明,两种算法都能有效提高节点定位精度,比较而言,最小二乘方法对节点数量更敏感,距离加权方法在同条件下精度更高,性能更加稳定,最后做场外实验对两种算法进行了对比验证。4)实现了毫米波雷达对多车辆目标的定位及跟踪技术。该技术是论文方案实现的关键技术,论文将雷达信号处理划分为前端、点云、目标三个处理环节,实现了雷达测距、测速、测角等基础点云技术,在卡尔曼滤波框架下建立了雷达探测值与车辆运动模型之间的关系方程,提出了车辆目标识别和跟踪定位算法,利用半实物仿真验证了算法的有效性,同时可区分行人和障碍物目标。