无线定位技术在提高网络性能方面具有积极的意义，同时无线定位业务被公认为未来最具吸引力的增值业务之一。WiMAX 由于支持移动性的无线宽带接入而受到业界的广泛关注，并被认为是向下一代移动通信系统过渡的重要参考标准。因此，将这两个热点结合起来进行研究具有重要的意义。 针对在车速运动状态下的无线定位跟踪问题，结合 WiMAX 系统的特点，这里主要进行了两个方面的研究。第一、重点对 WiMAX 系统中的基于运动特性的无线定位跟踪算法进行了研究：Kalman 滤波(扩展 Kalman 滤波)、粒子滤波和多尺度粒子滤波算法；第二、讨论了 WiMAX 无线定位的参数获取算法和常用定位算法：WiMAX 的帧检测算法、群相关算法、非线性最小二乘算法等。 WiMAX 中使用诸如最小二乘等常用的定位算法在 LOS (视距) 传播的情况下可以取得较好的效果，但在 NLOS (非视距) 环境下的效果不甚理想。因此根据Singer 机动目标运动模型和基于 WiMAX 系统的定位误差模型建立对目标定位跟踪的状态模型和观测模型，研究了以上三种滤波算法在这些模型中的应用。分析了扩展 Kalman 滤波的定位跟踪的过程，研究了粒子滤波在复杂运动模型中实现定位跟踪的方法，最后提出了一种使用多尺度估计结合粒子滤波的多尺度粒子滤波算法，并使用该方法实现 WiMAX 中运动目标的定位跟踪。仿真表明使用扩展Kalman 滤波可以得到较好的效果。粒子滤波对非线性系统具有很好的效果，因此其定位跟踪效果优于扩展Kalman滤波，即使在NLOS环境中也能得到满意的效果。多尺度估计通过使用小波变换对观测信号进行分解和重构，等效于增加了测量值的数量，使得定位估计结果相对一般的粒子滤波有进一步的提高。