随着卫星导航技术的逐渐成熟,GNSS (Global Navigation Satellite System)系统在航天、航空等高动态环境下的应用需求日益加强。在高动态环境下,接收机对于卫星信号的跟踪能力变差,用于定位测速的观测信息中包含随机误差,会导致接收机定位和测速精度降低。运用卡尔曼滤波技术能从包含随机误差的观测量中估计出高精度的用户位置和速度状态。基于卡尔曼滤波的动态接收机位置和速度解算,需要建立合理的系统状态模型、观测模型,考虑滤波收敛速度、运算效率以及发散抑制等问题。本论文在研究GNSS接收机定位的基本原理和卡尔曼滤波原理及其关键技术的基础上,结合实用的当前统计模型对用户接收机状态量进行建模,根据系统观测量和状态量关系建立了非线性的观测模型,完成基于扩展卡尔曼滤波的高动态用户接收机位置和速度实时解算。提出了利用卡尔曼滤波从载波多普勒相位中提取多普勒以提高系统观测量精度的方法,从而进一步提高接收机的位置和速度解算精度。论文给出了卡尔曼滤波定位的软件实现,总结实现过程中的处理技巧以提高解算的收敛速度和运算效率。通过仿真验证和板级测试,结果表明基于卡尔曼滤波的接收机定位和测速精度要优于传统的最小二乘方法,所提出的基于卡尔曼滤波的提高观测量精度的改进算法能进一步提高定位和测速的精度。