GPS即全球卫星定位系统(Global Positioning System)是目前世界上唯一最完善的全球导航卫星系统,由于其具有提供全球范围的、连续的实时三维位置、速度信息和精确授时等功能,自投入使用以来,就得到了广泛应用,新产品层出不穷,涉及到交通工具、地理定位、时间精调,以及武器精密制导等各个领域。然而,在一般情况下,GPS接收机,尤其是低价位的单机GPS接收机,其定位精度往往不能令人满意,一般定位误差在10-15米左右。这是因为GPS在定位过程中包含了许多误差源,尤其是测量随机误差和卫星的几何位置误差。这些误差利用传统的方法很难消除,而滤波算法是减小GPS定位随机误差的重要方法,利用各种滤波方法可消除多种随机误差,从而使得GPS导航定位精度得到提高。常用的最优滤波方法为卡尔曼滤波。但标准的卡尔曼滤波只能用来解决线性的问题,无法解决非线性问题。而对模型进行线性化的扩展卡尔曼滤波(Extended Kalman Filter, EKF)在一定程度上影响了系统的性能。因此近年来,直接使用可处理非线性问题的平淡卡尔曼滤波(Unscented Kalman Filter, UKF)正在逐渐成为研究高精度GPS定位的有效方法。本文首先回顾了GPS的发展,简述了软件GPS接收的基本结构及定位原理。接着介绍了用于GPS定位的通用模型,并采用平淡卡尔曼滤波算法作为单机GPS的定位估计算法,从而得出高精度的位置信息。由于卡尔曼滤波是增长记忆滤波,如果系统动态模型变化规律精确已知,又无需考虑计算误差,那么在一般情况下它给出了一个随着观察资料的积累精度不断提高的估计。估计误差协方差Pk的范数随着时间的增长不断减小,因此新的观察资料对修正状态估计的作用逐渐减弱。但是,实际上系统动态模型的变化规律是很难在事前完全知道的。这样,一方面这些系统的参数在变化,另一方面,在递推过程中还是把这些已经变化了的参数当作精确值来进行运算。于是,计算的误差协方差阵的范数随着时间的增长不断减小,而实际误差协方差却不断增大,最后导致滤波器发散。本文在平淡卡尔曼滤波中加入衰减因子,提出了衰减记忆卡尔曼滤波(MAUKF),使得新的测量值的权重增大,而对旧的测量值的信赖逐渐减小。通过实验验证,其定位精度高于平淡卡尔曼滤波。本文的研究工作,可用于GPS软件接收机输出高精度定位数据的定位解算,也可用于高性能接收机中定位解算方法的改进。