目前,中国北斗卫星导航系统作为我国自主建设的战略性新兴产业之一,其定位技术在生活、军事和科学研究中起着重要的作用,但由于北斗系统在定位解算时常常受到各种误差的干扰,严重影响了北斗的定位精度,仅依靠导航系统本身的处理精度已无法满足用户的需求,所以对于进一步提高其定位精度的研究成为了科研界的一大热点。同时近几年来,人工智能迅猛发展,为解决各类问题提供了智能方案。BP网络作为神经网络算法的一个分支,具有良好的数值映射能力,可以很好地解决非线性问题。而北斗系统的实测数据与高精度数据之间就存在着非线性关系,因此,利用BP网络来拟合两者之间的关系函数可以达到智能化降低误差的效果。但是BP网络在训练过程中易陷入局部最优状态,而无法达到全局最优,针对这一问题,本文利用免疫算法来优化BP神经网络,提高BP网络的收敛速度、学习效率以及适应能力,使其成为性能更为优越的智能算法。本文所设计的基于北斗的智能化精确定位系统本质就是先通过具有高效记忆能力和全局最优搜索能力的免疫算法来训练BP神经网络的各项参数,从而构造一个性能优越的BP网络结构,然后利用此结构对北斗实测数据进行处理,最终使处理后的定位数据逼近精确坐标值,实现智能化误差修正,提高定位精度。本文主要的研究工作有:(1)首先对北斗卫星导航系统进行简要概述,分析总结出带有误差的定位坐标与精确坐标之间的关系模型,该模型一般是非线性的。为了使定位实测值逼近精确值,降低定位误差,引出利用BP神经网络进行智能化误差修正的方法;(2)研究BP网络算法的基本原理,并将其应用到精确定位系统中。通过实验发现,北斗数据经过BP算法处理,定位误差大大降低,但网络模型训练时间长且收敛不稳定。为此,本文将免疫算法和BP算法结合,使BP网络达到性能最优;(3)基于免疫算法的优化机制,设计免疫神经网络方案:1)采用具有高效记忆性和全局搜索能力的免疫算法优化BP网络的初始权值;2)进行BP网络训练。两者结合,得出使网络误差代价函数值最小的网络模型,并将其应用到精确定位系统中。(4)搭建北斗定位接收系统,并采集北斗实测数据,利用Matlab对实测数据进行免疫BP网络算法处理及仿真。仿真结果表明:该算法使北斗实测数据逼近于精确值,智能地降低了误差,提高了定位精度。本论文通过对北斗定时定位相关方法的研究,设计了一款具有高精度、自适应等特点的定时定位系统。结果表明,利用免疫BP网络算法对北斗系统定位数据进行处理,可以取得很好的效果,尤其在误差修正方面,较之传统的误差处理方法,该方法更加智能,结果更加精确。