本文以全球定位系统（GPS，Global Positioning System）为研究背景，在利用GPS伪距测量值进行绝对定位的解算基础之上，为了提高解算的精度，研究了当前在GPS导航中常用的几种运动模型和卡尔曼滤波（KF，Kalman Filter）算法，详细介绍了各种滤波算法的原理，实现过程，对比各自的性能优劣，为实际运用提供有效的理论指导。首先本文研究分析了几种常用的机动目标方程，分为单模型和交互式多模型（IMM，Interacting Muliple Model）。重点研究了单模型中的辛格（Singer）模型，当前统计（CS，Current Statistical）模型，分析对比了这两种模型在不同的运动状态下的估计精度，为实际的工程应用提供有效的依据。此外由于传统的CS模型中，加速度方差的不合理取值，在不增加算法复杂度的情况下，提出了两种简单可行的改进模型，通过加速度方差自适应选取合适的值，实时地调整模型参数，使得模型更加地与实际相符。由于卡尔曼滤波（KF，Kalman Filter）可以通过物体的运动方程去将用户相邻时刻的运动状态信息联系起来，使得解算结果更加的平滑。因此在GPS滤波算法这一部分，本文重点研究了目前在GPS中常用的，适用于非线性系统的扩展卡尔曼滤波（EKF，Extend Kalman Filter）方法，改进的无迹卡尔曼滤波（UKF，Unscented Kalman Filter）算法，以及用于保证误差协方差矩阵非负定性和对称性的平方根无迹卡尔曼滤波（SRUKF，Square Root Unscented Kalman Filter）算法，分析对比了各种算法的性能优劣以及适用条件，为实际的工程应用提供有效的依据。最后本文在TI OMAP3530EVM上面，制作了QTE界面，完成以上算法在OMAP3530EVM上的开发，并且对仿真结果进行验证。为实际应用中，运动状态方程以及滤波算法的选择提供参考。