随着多模导航定位的日益广泛应用,其中的复杂误差源仍需进一步研究,本文针对多路径效应这一主题及当前存在的主要问题,提出了将经验模态分解(Empirical Mode Decomposition---EMD)与无线认知(Radio Cognition)融合,实现多路径的自主提取与智能识别,以克服当前多路径分析中的一些问题.综合而言,EMD分解利用数据序列自身满足的函数特性,运用多级模态分解的方法得到了不同频谱尺度下的蕴含信号结果,克服了小波变换中的母函数基底选取而带来的歧义性,但是EMD对分解的层次结果不能合理地解释其内蕴对象及属性分类,对此本文引入无线认知方法,通过多路径效应、电离层延迟、接收机噪声及各种偏差特性的知识分析,形成各种误差的本体对象,并建立对应的无线与环境知识池,通过自学习的对象发现与认知,对EMD层次结果进行合理分类,从而实现多路径的提取与发现,形成EMD多层次结果的专家分析系统.本方法的特点还包括：1.不需要经过定位观测值的平差数据处理,直接对基本观测量及其组合序列进行分析,避免了对基本观测卫星数量的要求；2.对静态及动态观测条件均适用,克服了静态数据分析中多天重复性观测及滤波处理的条件需求；3.运用EMD与无线认知的融合,可将该分析体系进行推广,使之能同时分析卫星故障、大气环境异常等复杂场景的导航定位诊断,并通过实测数据进行了分析验证.