随着城镇发展的日新月异,人们的生活水平也在不断的提高。同时,对于室内定位精度的需求也越来越高。日常生活中,诸如商场、地铁、医院、办公楼等公共场所的各种室内环境下的定位导航也越来越常见。但是室内定位的准确性一直不高,亟需进行更加深入的研究以提高室内定位的准确度。同时随着第五代移动通信技术的发展,毫米波通信技术以及低时延高带宽的通信特点,使得高精度的室内定位成为可能。本论文的主要内容就是针对5G网络中的室内环境,进行静态定位以及动态跟踪的研究。在一般的室内场景下,静态定位以及动态跟踪的过程中均需要多个接入点来实现定位。本研究采用了空时二维谱估计算法对信道状态信息进行数据处理,得到单一锚节点的到达角和飞行时间。采用了构建指纹库的方法来实现静态定位,改进了卡尔曼滤波类的算法来进行动态跟踪。通过对单一锚节点在静态定位和动态跟踪的研究,确定了单一锚节点实现定位的可行性。使得室内定位过程中配置的设备可以有效减少,同时也避免了不同定位设备间的同步问题。主要进行的研究内容如下:（1）针对空时二维谱估计的结果易受多径条数影响的问题,采用了平滑秩序列算法,在谱估计之前,先确定出信道状态信息数据中包含的多径条数。从而提高了谱估计所得的到达角和飞行时间的准确性。为了防止单次谱估计所得数据的偶然性,将各个采样点进行多次采样,并将同一点的多次采样所得到达角和飞行时间进行聚类。采用高斯混合模型的最大期望算法对数据进行聚类处理,所得到的聚类中心作为多次采样后的平均值,存入离线指纹库中,确保了离线指纹库的准确性。（2）针对静态定位过程中,在线匹配阶段匹配量过大的问题,提出了改进的K近邻算法。在到达角指纹库和飞行时间指纹库中,选择了造成误差较小的飞行时间指纹库进行初匹配,缩小了指纹库的匹配范围后,再进行到达角的指纹库匹配。在确保匹配准确度的前提下,减少了匹配的数据量,提高了匹配效率。（3）针对动态跟踪过程中,虚拟锚节点与多径分量对应不准确的问题,采用了基于最优子模式分配度量的数据关联算法。剔除了多径分量数据集中可能存在冗余数据,确保虚拟锚节点与多径分量数据的准确对应。为动态跟踪的追踪方程提供了较为准确的输入向量。（4）针对卡尔曼滤波算法受非线性跟踪方程影响较大的问题,提出了改进的卡尔曼滤波算法。将非线性跟踪方程进行伪线性化,并将这一过程中出现的偏差进行补偿,确保了动态跟踪的准确性。