全球卫星导航系统(Global Navigation Satellite System,GNSS)提供的定位导航服务已广泛应用于各个领域。在城市中,由于存在大量高层建筑以及反射物,导致多径信号的反射点距目标较近,多径信号时延短且密集,严重干扰了定位精度。由于短时延多径效应对定位精度的干扰比中长时延多径效应严重,并且其误差和参数难以通过建模准确估计,因此短时延多径成为城市多径效应中主要的误差源。为了缓解短时延多径效应,本文从短时延多径参数估计和短时延多径误差估计两个角度来分别降低跟踪环路的码多径误差和差分定位结果中载波相位多径造成的定位误差,主要研究内容如下:(1)针对短时延多径信号难以估计的问题,提出一种基于门控递归单元(Gated Recurrent Unit,GRU)神经网络的参数估计模型来精确估计短时延多径信号参数。首先展示动态环境中建立GRU参数估计模型的过程,然后将短时延MP参数的估计值用于重构本地参考信号,达到降低跟踪环路码多径误差的目的。最后收集目标在不同速度下的卫星信号数据和定位数据,并通过实验分析了GRU多径参数估计模型和重构参考信号方案在抑制短时延多径效应方面的性能。实验结果表明,基于GRU网络多径参数估计模型的短时延多径抑制方案可以有效地减少码跟踪误差,将码跟踪误差控制在0.18码片内,定位精度可达到1.3 m。(2)针对高动态环境下GRU网络多径参数估计模型适应性差的缺陷,提出一种自适应小波阈值滤波器来优化GRU网络多径参数估计模型。首先分析多种小波基函数的性能,并选取合适的小波基。然后详细阐述自适应小波阈值滤波器的搭建过程,并展示信号分解与重构的过程。最后通过实验分析了自适应小波阈值滤波器在降低码多径误差和辅助GRU参数估计模型方面的性能。实验结果表明自适应小波滤波器可以有效地辅助GRU网络模型,增强GRU网络模型在高动态环境下的适应性,提高GRU网络模型的估计精度,将码跟踪误差控制在0.17码片内,定位精度可达到1.1 m。(3)针对差分定位中载波相位多径误差难以消除的问题,提出了一种基于广义最小绝对收缩选择算子(Least Absolute Shrinkage and Selection Operator,LASSO)的双路径多径误差压缩估计模型,精确估计差分定位中由载波相位多径造成的定位误差。首先建立载波相位和多普勒频移线性融合观测模型,通过扩展卡尔曼滤波和最小二乘法将线性观测模型转化为基于广义LASSO的MP误差压缩估计模型,其权值矩阵由载噪比函数和卫星仰角函数组成。然后通过双路径算法来获得MP误差压缩估计模型的最优解,针对双路径算法计算量大的问题,设计了一种特殊执行策略用于优化双路径算法。最后通过实验分析了提出的MP误差压缩估计模型的性能,实验结果表明,当MP误差满足稀疏性条件时,本文提出的压缩估计模型可以有效地减少差分定位结果中由载波相位多径造成的定位误差,东、北、天三个方向的差分定位精度分别达到0.6m、0.8m、1.2m。