全球卫星导航系统(GNSS)作为全天候、高精度的定位技术,在导航、定位和授时等国民生产生活中发挥着不可或缺的作用。围绕着GNSS相关的导航增强算法一直是研究人员关注的重点。目前GNSS定位精度在两种常见的使用场景下会受到制约。一是在智能终端上,受限于低成本天线和低功耗芯片,GNSS信号质量不佳大大影响了其定位精度;二是GNSS信号不能穿透建筑物,使其在信号降级的环境中难以发挥如室外开阔环境下一样良好的定位性能。相比之下,惯性导航技术和基于视觉的定位技术则能够在智能手机和室内外场景中对GNSS起到辅助作用。论文研究了智能终端和GNSS信号降级环境下的差分融合算法。首先通过最新的安卓系统API接口,提取手机GNSS芯片的原始观测量并分析了信号特点,随后利用原始观测量组装GNSS标准观测量并在智能终端部署了伪距和多普勒双差系统。根据低成本IMU的信号特性,进一步将双差系统与IMU融合来增强定位精度。为了更好的适应GNSS信号降级的环境,本文还设计了多源传感器融合的算法框架,建立起GNSS与其他多源传感器以及多参考系之间的几何约束。该算法以误差状态卡尔曼滤波器为基础,通过主状态和副状态分离的方式支持传感器的模块化添加,并详细分析了多参考系校准和初始化过程。实验结果表明,所研究的智能终端的差分融合算法有效的提高了手机的定位精度;同时,可扩展的融合框架可以实现长时间、大范围的室内外复杂场景的连续定位。