GPS全球定位系统以其全球性、全天候、实时定位等优点显示出强大的生命力和竞争力，在航空、航天、航海及许多民用领域有着广泛的应用。卡尔曼滤波是一种通过时域迭代实现线性最小方差估计的滤波算法，在导航领域受到极大的欢迎。应用卡尔曼滤波技术进行GPS定位的关键是建立准确的载体运动模型，模型的不匹配往往会导致定位结果的发散。然而，在高动态条件下，运动物体的模型几乎是不可能准确描述的。　　本论文在研究已有载体运动模型的基础上建立了三种卡尔曼定位滤波算法，分别是恒定加速度卡尔曼滤波算法（CA算法）、当前统计模型卡尔曼滤波算法（CS算法）和改进的当前统计模型卡尔曼滤波算法（ICS算法）。然后，在MATLAB中建立了GPS定位解算的仿真平台，模拟了三种实际物体运动的轨迹，分别是加速度恒定、加速度阶跃变化和加速度正弦变化，通过蒙特卡洛方法统计三种滤波算法定位结果与运动物体真实轨迹之间的误差，以此来衡量三种滤波算法的优劣。　　仿真结果表明，CS算法和ICS算法较CA算法具有较好的定位精度，并且能自适应的根据运动载体加速度的变化调整滤波参数；ICS算法能避免CS算法对运动载体加速度最大值的依赖和较快的收敛速度。当运动物体加速度恒定或者阶跃变化时，ICS算法效果最好；当运动物体加速度正弦变化时，三种算法都很难保证足够的定位精度。