随着人工智能和万物互联时代的到来,高精度的位置服务已经成为社会发展的必备需求,特别是当无人车、无人机等高科技产品出现在人类的社会生活中,瞬间受到了人们热烈的欢迎和向往,因此对高精度定位算法进行研究,具有广泛的市场前景和重大的研究价值。本文针对RTK高精度定位算法在卫星信号受高楼建筑、树荫等干扰情况下,存在定位误差偏大、可靠性降低等问题,提出了一种RTK/MEMS融合定位方案,利用MEMS数据的短时高精度、抗干扰能力强等优点,辅助RTK算法进行浮点解估算,设计并实现相应的系统软件对融合算法的模糊度固定效率、定位精度进行验证。本文提出的RTK/MEMS融合定位算法是采用紧耦合的思想,利用卡尔曼滤波算法对状态向量进行最优估计,主要由状态预测、量测更新和模糊度固定三步组成。首先根据MEMS数据设计系统状态方程,利用梯度下降算法解算当前姿态,结合姿态旋转矩阵进行INS机械编排,得到状态向量位置、速度、姿态等参数的预测信息;然后通过流动站和基准站的伪距、载波相位以及多普勒观测信息建立双差观测向量,作为量测方程的输入信息,对状态向量进行滤波更新,得到更加精确的状态向量的浮点解和协方差矩阵;最后采用LAMBDA算法对模糊度进行搜索,得到最优的固定解,并采用卡方分布对固定解进行校验,避免系统受粗差、噪声等因素的影响。最后本文根据上述理论算法设计对应的RTK/MEMS融合定位系统软件,运用C++编程语言完成各个算法模块的开发。车载轨迹测试结果表明,RTK/MEMS融合定位系统在模糊度固定效率、定位精度等方面的性能得到了极大的提升,固定率提高25%左右,定位精度从亚米级提升到了厘米级,具有重大的工程参考价值。