随着北斗卫星相关技术的高速发展，我国逐步加快北斗基础设施建设并推进导航技术的军民融合。在民用导航有限的成本下为了提供精度更高，场景适应性更好的北斗导航，高精度车道级导航的研究对未来高精度信息化产业具有重大意义。面对高精度车道级导航的种种技术挑战，展开了对车道级复杂导航场景的北斗高精度导航技术的研究。本文主要研究内容如下：
　　（1）基于上海地区的120km包含高架、林荫、高楼遮挡等复杂场景路测数据分析得出不同遮挡、信号干扰路段的导航定位精度差异明显。基于NEMA协议提取5类参数化场景指标特征雷达分析图，实现定位精度指标评分。进一步，设计ISODATA高精度场景自适应聚类模型，实现了导航场景按北斗精度等级的划分。实测结果表明ISODATA聚类模型可将场景自适应划分为12类，且各场景KNN准确匹配率达到97.67%。
　　（2）针对单传感器在复杂场景下导航精度不稳定问题，本文提出了一种基于层析分析法的场景自适应多源感知加权融合算法。该融合算法能获得复杂场景下“传感-场景”二维自适应融合权重矩阵，可以区别不同传感器在不同场景下的精度影响，更好的实现不同场景下多传感器的自适应融合。进一步，设计基于卡尔曼滤波的动态轨迹预测算法以解决由高楼遮挡等引起的定位间断和飞点问题。实验结果表明通过自适应多源融合算法可以将高精度数据占比提升到85.53%，且基于融合数据的卡尔曼滤波预测可以进一步将定位准确率提高到88.63%。
　　（3）针对遮挡严重的多叉路口场景，提出一种基于车-路驾驶行为置信权重的道路匹配方案，该权重反应导航中驾驶行为变化导致车辆真北方向与道路真北方向的变化，以实现准确的车道定位。进一步，在直道和弯道两种典型场景模型下分析了基于车-路协同的车道级危险连续换道行为。实验结果表明，在高精度融合滤波导航轨迹数据下获得了98.33%的车道定位准确率。通过20km的实测道路数据进行分析对危险连续换道的误判率仅为7.69%。
　　本论文通过上述内容的研究，为复杂环境下的民用低成本稳定高精度车道级导航奠定基础。