融合全球卫星导航系统(Global Navigation Satellite System GNSS)和惯性导航系统(Inertial Navigation System INS)的组合定位系统已经被广泛地应用在车辆定位领域。但是,在城市峡谷环境中,作为主要信息源的全球卫星导航系统往往会由于建筑物干扰而受到严重的多路径和非视距效应影响,从而导致定位精度降低。如何消除非视距和多路径误差实现城市峡谷环境下的精确定位是一个十分重要且具有挑战的问题。为了解决此问题,本文展开了城市峡谷环境下的车辆融合定位技术研究。本文的主要研究内容与工作有:(1)结合本文的定位方案,设计开发了多传感器信息采集软件,实现了多种传感器信息的同步采集处理。(2)基于低成本的降维惯性导航系统和双模卫星导航系统建立了直接量、紧耦合的车辆组合定位系统模型。(3)设计制作了一种简易高效的三维数字地图,并基于此地图设计了一种卫星选星算法,来剔除明显的非视距传播的卫星信号,提高伪距观测量的精度。同时,设计一种模糊算法,在滤波过程中依据卫星高度角、载波信噪比、卫星方位角与道路方向的夹角等特征实现对各个伪距观测量依赖程度的自适应调整。(4)在扩展卡尔曼粒子滤波(EKPF)算法中融入卫星选星算法和模糊算法,设计了一种改进型EKPF算法,并以此来完成多传感器信息的融合,从而削弱非视距和多路径效应的影响,提高城市峡谷环境下的车辆定位精度。目前本课题已经完成上述内容,且实验结果表明本文设计的基于改进型EKPF的车辆紧耦合定位算法能有效削弱非视距和多路径效应的影响,提高定位精度,可以实现城市峡谷环境下车辆连续、可靠的定位,并且具有成本低等优点。