近年来,汽车拥有量的大幅增加,导致交通事故急剧增加,因此研究高精度车辆定位对车辆安全和自动驾驶来说非常重要。在非视距（Non-Line of Sight,NLOS）条件,传统超声波或激光测距方法很难估计车辆位置;在信号盲区（如森林、隧道或市中心）内,基于全球导航卫星系统（Global Navigation Satellite Systems,GNSS）的车辆定位误差变大。为了解决NLOS和信号盲区条件下,车辆定位不准确问题,本文在车辆自组织网络（Vehicular Ad-hoc Networks,VANETs）定位系统上,提出了基于802.11p协议的车辆测距定位算法。具体研究如下:1.实现了时间同步算法在802.11p协议上的应用。由于802.11p中使用了正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）调制技术,因此本文研究了基于OFDM系统的时间同步方法,在802.11p帧符号的基础上,将OFDM时间同步算法应用于VANETs中车辆节点的到达时间（Time of Arrival,TOA）估计。研究表明:在多径和低信噪比（Signal-Noise Ratio,SNR）的环境下,经典OFDM时间同步方法无法满足车辆高精度测距要求。2.提出了基于自相关和互相关（混合相关）求和的TOA估计。仿真结果显示:在极低SNR下测距不准确,因此在此基础上,提出了一种混合相关的平均绝对偏差（Mean Absolute Error Iterative Detection,MAD）迭代检测法。实验结果显示:在国际电信联合车辆信道A（International Telecommunication Union Vehicle A,ITUA）中,所提出的方法在极低SNR条件下优于其他方法。3.实现了基于Simulink的车载通信定位系统仿真和实验过程的GUI设计。基于Simulink车载基带仿真系统包含基带信号的产生、调制、信道传输和接收端同步模块,该系统运行在ITUA信道和NLOS环境下,系统能够方便地对参数进行配置,更直观地显示仿真结果。本文所研究的车辆测距定位算法,在低SNR和多径环境下,明显优于经典的方法,这对复杂环境下的车辆碰撞预警和自动驾驶安全都具有重要意义。