随着全球卫星导航系统（Global Navigation Satellite System,GNSS）的广泛应用和智慧城市的快速发展,在城市环境下的定位需求愈发明显,对定位可靠性的需求也进一步提升。当前,在许多城市定位场景中,用户所面临的主要问题,已不再是无法获得足够数量的可视卫星,而是如何正确检测并排除那些受非视距与多径干扰等误差影响严重的卫星信号,以确保获得一个可靠的定位结果。本文以城市复杂环境为背景,针对接收机自主完好性监测（Receiver Autonomous Integrity Monitoring,RAIM）相关技术展开研究。主要工作和创新点如下:（1）针对城市道路两侧遮挡环境影响车载导航定位性能的问题,提出一种基于车辆航向角的优化加权RAIM算法。本算法结合城市道路特点,通过在经典高角度-载噪比加权模型中引入比例因子,该比例因子的确定取决于车辆行进方向与卫星的位置关系,从而使得新方法更适用于两侧遮挡严重的城市环境。仿真结果表明,相比于现有的经典最优加权模型,本加权算法在城市环境下的三维定位精度提升了9.1%,对卫星故障检测和识别能力也有明显的提升。（2）针对在城市复杂环境中,接收机的观测量更容易被污染这一问题,提出一种改进的随机抽样一致性（Random Sample Consensus,RANSAC）的多故障RAIM算法。通过对优选星座的用户等效测距误差进行近似估计并引入卫星星座空间位置精度因子,对经典RANSAC的评价函数进行改进优化,综合考虑多种影响定位精度因素,提出更有效的一致性检测方法。仿真结果表明,优化的RANSAC算法相比于RAIM算法和经典RANSAC算法,在城市复杂环境下的定位精度均有可观的提升,尤其是在多故障卫星情况下,优化RANSAC算法的提升效果更加明显。（3）传统RAIM算法的检测阈值需要根据经验和调试手动确定,这限制了其性能和场景适应性,针对这一问题,提出一种基于边缘化概率的无阈值RAIM算法。与传统的RAIM不同,该算法利用边缘化概率理论,通过离散采样对测量噪声进行边缘化,得到了代表测量置信度的边缘化概率。在此基础上,构造优化的权值,自适应地抑制测量误差,解决了传统RAIM算法中需要对测量噪声进行估计,以及对检测门限需要人为设置的问题。为了验证该方法的有效性,在不同场景下进行了GNSS定位实验。结果表明,在静态场景下,相比于最优配置的RAIM算法,新方法三维定位精度在单GNSS和多GNSS情况下分别提升了15.7%和20.1%。在动态场景下,新方法三维定位精度在单GNSS和多GNSS情况下分别提升了7.6%和8.6%。