网络实时动态定位（Real-Time Kinematic,RTK）技术在高精度定位领域已得到了广泛应用。在网络RTK技术中,用户端的定位性能取决于参考站网络生成的误差改正模型。现阶段误差改正模型多采用综合误差内插算法,该算法采用单一内插模型计算误差改正数,没有考虑电离层延迟与对流层延迟不同变化规律,不利于解算整周模糊度。因此,如何根据误差特性,构建参考站网络的误差改正模型是提升网络RTK用户端定位精度的关键。本文重点研究基于非差改正模型的网络RTK技术,为保证技术完整性,分别从参考站间模糊度解算方法、误差改正模型和流动站模糊度解算方法三个维度展开研究,旨在提高网络RTK用户端定位精度,以满足区域精密导航作业对位置信息的高精度需求,为今后设计参考站网络的误差改正模型提供新思路。本文的主要研究内容如下:针对多频观测量组合引起波噪比较小,影响模糊度固定成功率的问题,研究了基于非组合观测模型的参考站间模糊度解算方法,通过构造非组合模型有效提高了波噪比,同时结合卡尔曼滤波算法完成参考站间模糊度的解算。通过两组基线数据实验,结果表明:基于非组合观测模型的参考站间模糊度解算方法可有效固定模糊度,为区域非差改正模型的正确构建打下良好基础。为了避免双差误差改正模型造成卫星与参考站存在相关性,影响流动站模糊度解算的问题,研究了非差改正模型,通过构造基于非差观测量的误差改正模型,避免卫星与参考站存在相关性,流动站端可任选参考卫星,参考卫星改变不会引起流动站模糊度重收敛。在此基础上,非差改正模型仅需数据中心与用户单向通信,降低了通信负担,降低了用户位置泄露的风险。实验结果表明:流动站水平方向定位精度优于4cm,可实现连续厘米级定位,采用非差改正模型可有效修正流动站的观测误差。针对误差改正模型忽略电离层与对流层延迟等误差不同变化规律,影响定位精度的问题,提出了一种顾及各误差不同特性的分类内插算法,该算法将对流层延迟湿分量采用线性内插法（Linear Interpolation Method,LIM）建模,将电离层延迟采用低阶曲面模型（Low-Order Surface Model,LSM）,将大气无关误差采用距离加权法建模,使得非差改正模型更准确地反映大气层变化特性,提高模型精度,改善用户端模糊度解算效果和定位性能。实验结果表明:相对于忽略各误差不同规律的综合内插方式,采用分类内插方式的非差改正模型,流动站水平方向定位精度均值可提高12%以上,流动站模糊度固定率标准差可提高40%以上。