现在GPS导航定位在军事、航天、航海、消费电子等方面都显示其越来越重要的作用，在可预见的将来，GPS导航定位的作用还会进一步增强，各大国都在大力发展自己的全球卫星导航系统。单点GPS导航定位是GPS导航定位的一个重要方面，它是指利用单一、孤立的接收机直接捕获和跟踪卫星信号，解算出接收机的位置。单点GPS导航定位使用灵活、对外界依赖少，有着广泛的应用前景。但是一直以来，单点GPS导航定位的精度都比较低，这在很大程度上限制了它的应用。因此，提高单点GPS导航定位在不同动态情况下的定位精度成了各国广泛研究的课题。　　卡尔曼滤波器被广泛应用到GPS高精度单点定位的研究中。卡尔曼滤波器是以反馈控制为基础的滤波器，它利用测量结果通过递归运算来对动态系统的状态进行准确的估计。卡尔曼滤波器对系统状态的准确估计能力是建立在对系统模型和测量模型进行准确建模的基础上，否则就会给估计结果带来很大的噪声，甚至造成系统的发散。但在实际使用过程中很难在事先对系统噪声和测量噪声进行准确建模，所以通过卡尔曼滤波器得到的估计结果存在普遍的估计误差。为了克服卡尔曼滤波器这个缺点改善GPS导航定位的性能，必须把卡尔曼滤波器和GPS定位系统通过一种更可靠可行的方式结合起来。　　本文研究了如何提高GPS单点定位的精度，并提出了一种基于不同动态模型的自适应卡尔曼滤波器和数据融合算法。根据所估计系统的动态情况分别建立了三种模型：固定模型、低动态模型、高动态模型，然后分别对这三种模型建立了各自的卡尔曼滤波器模型来估计对应系统的状态，对卡尔曼滤波器得到的估计结果再利用本文提出的数据融合滤波器进行修正，即通过加速度修正速度，速度修正位置，从而得到更为精确的估计结果。同时，本文也提出了如何让系统自适应选择相应模型的自适应算法。最后我们对系统进行了仿真和路测，测试结果显示了通过本方法可以在同等条件下可以得到更高精度的定位结果。