目前车辆导航主要采用的是卫星/惯性组合导航方案,该方案集合了两种导航系统的优点,能够提供准确可靠的导航信息。然而随着城市现代化建设的发展,密集的高楼、城市隧道等环境会干扰到全球定位系统（Global Positioning System,GPS）信号的正常接收甚至遮挡信号,导致组合导航系统难以维持正常工作,因此研究在卫星信号失锁环境下的定位技术具有重要意义和价值。本文围绕卫星信号失锁环境下的定位技术展开研究,提出使用双长短时记忆（Long Short-Term Memory,LSTM）网络辅助预测方案来应对卫星信号失锁问题,具体内容如下:首先,分析了研究卫星信号失锁环境下定位问题的重要性,对基于传统滤波的组合定位算法和人工智能算法辅助的定位算法的国内外发展现状进行了介绍,同时对导航系统坐标系、惯性导航系统（Inertial Navigation System,INS）的误差方程以及组合导航的基础知识进行了介绍,给出了针对卫星信号失锁问题的整体导航方案,奠定了整个导航定位系统的理论基础。然后,研究了使用滤波估计补偿的定位方案,通过滤波算法估计惯性器件的零偏,进而对惯性器件的输出进行补偿,以提高组合导航系统在极短时间卫星失锁环境下的定位精度,通过对仿真数据以及实测数据进行算法验证,基于容积卡尔曼滤波的估计补偿方案取得了较优的效果。最后,针对车辆在城市环境中运行可能遇到的城市隧道、连续高大建筑等环境导致的卫星信号长时间失锁问题,提出基于双LSTM模型的卫星信号失锁环境下的定位方案。其中第一个LSTM模型用于预测失锁环境中导航系统的量测信息,第二个LSTM模型用于辅助交互式多模型,通过构建模型转换概率、滤波权重参数与交互式多模型算法的滤波估计误差之间的关系来提高系统在噪声变化环境中的适应性。联合两个LSTM预测模型的定位方案充分发挥了双LSTM预测模型的优势。分别使用仿真数据与实测数据对提出的组合定位算法进行了验证,测试其在不同环境下的性能,结果表明基于双LSTM模型的定位方案具有较好的定位效果。