随着智能终端和移动通讯网的快速发展,感知旅游资源、旅游活动、照片和地理位置标注、建筑和地标识别、社交网络、游戏和体育运动、广告和增强现实(Augmented Reality,AR)等基于位置服务(Location Based Service,LBS)的应用具有很大的商业价值。这些应用最重要的使用场合在高楼密集、高楼间距短的“城市峡谷”场景,传统GNSS定位接收机在这种场景中所接收的信号会受到建筑物阻挡、反射、衍射和可视卫星的条状分布等影响,造成定位误差达到几百米甚至不能定位。精确的位置信息是实现LBS应用的关键。因此,本文开展两方面的工作,基于GPS仿真数据源的跟踪和定位算法研究和城市峡谷环境下基于智能终端多源信息组合定位算法研究,主要工作如下:非线性滤波在定位解算和载波跟踪中的应用研究。分析并仿真基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)、基于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的定位解算方法。针对EKF、UKF等基于卡尔曼理论的系统模型和噪声统计特性不准确会存在较大定位误差或发散问题,引入粒子滤波(Particle filter,PF)来提高定位精度,试验表明PF相比EKF、UKF分别在x,y,z方向位置误差均值提高0.69m、1.34m、0.72m,位置误差方差提高10.23m、14.38m、8.40m。针对传统载波环鉴相器的鉴相曲线为周期性函数,当相位误差超出鉴相范围,容易出现180°相位模糊,且在实际应用中常会引入非高斯噪声。在GPS载波跟踪环中引入PF代替载波环鉴相器,试验表明基于PF的载波跟踪环,相比传统环和基于EKF的载波环鉴相均值从31.8 10-?提高到30.5 10-?,鉴相方差从38.4 10-?提高到30.5 10-?,具有更好的抗噪性能。城市峡谷场景中基于智能终端多源信息组合定位研究。在密集的城市峡谷场景中,由于建筑物的遮挡对过街精度因子(Cross-street Dilutions of Precision,CDOP)影响而导致过街精度退化,使得传统GPS在过街方向存在较大定位误差。基于3D城市模型的建筑物轮廓和卫星仰角信息来预测不同位置的卫星可见性,并与实际位置GNSS接收机观测到的卫星可见性进行匹配来定位的阴影匹配(Shadow Matching,SM)算法可以提高过街定位精度,但是不能提高沿街定位精度。SM/KF组合算法、SM/PF组合算法在建筑物轮廓变化不明显的城市沟渠场景,虽然能提高过街精度,但是沿街精度提高的不明显。因此,基于PF定位算法定位精度的分布特点,提出了SM/PF自适应加权组合定位算法,该算法根据SM运动状态下定位驻留时间特性和模板分值统计特性,计算自适应加权因子,对SM和PF定位算法进行自适应加权,得到最终定位结果。试验结果表明:该算法与SM、PF、SM/KF组合、SM/PF组合定位算法相比,分别在沿街方向平均误差从5.04m提高到2.80m,在过街方向平均误差从4.87m提高到1.30m,均方根误差从6.82m提高到3.47m。目前获得详细3D城市模型相对较难,使得SM算法不能广泛适用所有的城市场景,因此提出基于智能终端内置传感器组成的GPS/INS组合定位算法,相比传统GPS定位算法,该算法可以实现在密集城市峡谷中连续、精确定位。试验结果表明:基于智能终端的GPS/INS多源信息组合定位相比传统的GPS定位算法,在沿街位置平均误差从4.76m提高到2.31m、均方根误差从19.25m提高到2.52m,在过街位置平均误差从3.78m提高到1.49m、均方根误差从66.83m提高到5.70m。