近年来,随着信息产业和互联网应用的爆发式发展,自动驾驶、网约车、共享汽车等新型汽车业务接踵出现,汽车智能化也成为一个发展趋势,如何在城市多场景下连续准确地进行车载定位成为一个研究热点。传统的基于全球卫星导航系统（Global Navigation Satellite System,GNSS）的车载定位方法只适用于室外空旷场景;且定位精度也不高（米级）,一般无法准确分辨车辆所属的主辅路或多车道信息。面对常见的城市立交和地下停车场等场景则会定位严重偏离甚至完全无法定位。因此,为了在城市多场景中连续而准确地定位车辆位置,本文设计了一种多场景组合定位算法。基于采集卫星信号和其他无线电信号的特征进行城市典型车载场景识别。根据场景识别结果,设计动态参数多源组合定位算法,动态使用不同的参数和定位信息源进行组合定位,可以在城市典型车载多场景中获得连续一致的高精度定位结果。首先,本文针对传统车载定位场景单一问题提出基于扩展卡尔曼滤波（Extended Kalman Filter,EKF）的动态参数组合定位算法。将城市车载定位划分为几个典型的场景,对不同场景动态使用不同的定位方式和定位参数。对于开阔的多车道和主辅路行驶场景,主要使用高精度实时载波相位差分（Real-Time Kinematic,RTK）定位,并以RTK定位误差协方差参数填充EKF测量噪声矩阵来融合惯性导航,可以提高定位输出频率,在达到车道级定位精度的同时提升了定位实时性。对于半遮挡的城市立交桥和高楼环伺的城市峡谷主要使用惯性导航航位推算,融合此时较差的卫星定位结果并使用适当的半遮挡场景误差系数和RTK定位误差参数填充EKF测量噪声矩阵,使得短时间卫星定位变差时仍然可以保持一定的定位精度。在长时间没有卫星信号的长隧道和地下停车场部署超宽带基站,利用超宽带技术定位,并使用实测拟合的超宽带定位误差参数填充EKF测量噪声矩阵来融合惯性导航航位推算结果以提高稳定性。使得典型的多种车载场景都可以比较准确、连续、高频率地定位,大大扩充了传统车载卫星定位方式的使用场景。然后,针对车辆在不同场景之间变换定位连续性问题提出基于无线电信号（卫星信号、超宽带信号等）特征的场景识别算法。通过传感器采集环境中的无线电信号,分析它们的各自的信号特征并设置比较阈值来识别当前所属的场景。无线电信号主要包括卫星定位信号和超宽带信号;卫星信号特征主要有有效共视卫星个数、信号平均信噪比和RTK定位状态标识Q值等;而超宽带信号主要判断可识别基站信号的存在性与信噪比强度等特征。在开阔的多车道场景和半遮挡的城市立交场景之间变换时,卫星个数和平均信噪比通常会发生异常的波动。本文设计一种改进的标准分数（Standard Score）异常值检测算法,消除异常信号值的影响,提高了算法实际应用的的鲁棒性和识别准确率。一方面使用卫星个数和平均信噪比历史数据的均值和方差信息对下一个值预测,超过阈值则判定异常变化,对异常点进行不同影响因子的平滑处理;另一方面,对卫星个数和平均信噪比通过实际观测分别设置极端异常忽略值,超出则不计入历史数据下一次均值方差的计算,使得识别结果更符合卫星信号波动反映的实际场景变化情况。最后,基于上述提出的定位算法,本文设计并实现了多场景组合定位系统。系统硬件使用U-Blox公司的NEO-M8T卫星定位模块采集原始卫星信号,新纳传感公司的OPENIMU300模块采集惯性导航信号,以及DecaWave公司的DW1000模组进行超宽带定位设计。系统软件使用开源的RTKLIB和新纳公司以及DecaWave公司提供的模块驱动API进行实现,在Linux系统中开发了C语言系统代码,并在实际车载环境中进行了大量测试。大量的测试结果表明,整个系统可以比较稳定地识别到三种车载场景,并通过动态参数设置进行不同场景变换的连续精准定位,精度达到分米级别,完成了算法设计目标。