随着导航定位技术的快速发展,北斗卫星导航系统（Bei Dou Navigation Satellites System,BDS）广泛应用于跟踪监控、交通运输、汽车导航等领域。为了满足人们对高精度定位的需求,有必要提高BDS定位算法的定位精度。目前BDS应用中常见的定位算法是扩展卡尔曼滤波算法（Extended Kalman Filter,EKF）,但其存在测量噪声无法根据外界变化进行在线调节以及系统噪声和测量噪声估计不准确的问题。因此,本文采用智能计算方法对EKF进行优化,以提高BDS定位精度,并基于FPGA设计了BDS定位终端,具体研究内容如下:（1）介绍了研究背景和意义,给出了BDS伪距定位原理,推导了最小二乘定位解算算法（Least Squares,LS）和EKF定位解算算法,分析了这两种算法的优缺点。得出相比LS而言,EKF能降低定位解算难度,减小所需存储空间。从而确定了研究内容,对EKF进行智能优化。（2）针对EKF无法根据外界变化实时调节测量噪声的问题,提出了一种基于模糊控制优化EKF的算法。该算法通过方差匹配计算匹配因子。然后建立Mamdani模糊推理系统,将匹配因子作为系统输入,获得测量噪声调整因子。最终将调整因子代入EKF滤波增益矩阵中,完成对EKF测量噪声的修正。通过和EKF仿真对比,所提方法有效抑制了滤波发散现象且定位误差值低于EKF的定位误差值,有效提高了BDS的定位精度。（3）针对EKF中系统噪声和测量噪声估计不准确的问题,提出了一种基于混沌粒子群优化EKF的算法。该算法通过适应度方差和适应度方差临界值来判定粒子群算法是否处于早熟收敛状态。然后利用混沌Tent映射函数将混沌变量映射到优化变量区间进行混沌搜索,再将混沌搜索得到的最优值反映射到原搜索区间取代原粒子并继续进行寻优直至得到最优解。最终将最优解赋值给EKF的噪声协方差矩阵,从而得到准确的系统状态估计值。与传统粒子群优化EKF算法相比,所提方法收敛速度更快,定位误差更小。（4）采用FPGA设计了北斗导航定位终端。具体包括主控模块、时钟模块、模糊EKF模块、混沌粒子群优化EKF模块、存储模块、数据转换模块、显示接口模块。首先对各个模块的功能以及逻辑接口进行了详细描述,给出了主控模块的状态迁移图。其次采用Verilog语言对各模块进行设计,并在Model Sim软件下对各模块进行了相应的功能仿真验证。本文采用模糊控制和混沌粒子群优化EKF算法来提高北斗定位精度,并基于FPGA设计了北斗定位终端。在Quartus II+Model Sim环境下的仿真实验结果表明所设计的终端具有良好的性能,可广泛应用于导航定位、航空救援、海洋平台定位等领域。不仅为北斗定位精度改善提供了理论基础,也为北斗定位系统推广使用提供了借鉴。