在水下航行器组合导航系统中，常选用惯性传感器作为主导航方式，同时配备多种其他辅助传感器，由于惯性传感器存在的确定性误差（比例因子、零点偏置、安装误差）、温变误差、随机误差，和由于传感器重复性差引起的模型失配导致的误差等，直接影响导航系统最终解算精度;此外，传感器的组合形式不当，也不足以激励出运动状态。以上问题均属于组合导航系统辨识的内容，针对存在的问题，本文主要从系统确定性误差辨识、温变参数辨识、随机误差辨识、误差在线辨识及系统激励充分性辨识五个方面开展工作。　　惯性传感器测试数据误差主要包括确定性误差和随机性误差，确定性误差包括零点偏置、比例因子和安装误差，可以使用标定来进行辨识。本文提出了一种基于持续激励条件的快速标定方法，分别设计了以余弦、恒定角加速度作为激励信号的两种标定参数辨识方法，提出了相应的标定方案及数据处理方法，选用叠加和互相关方法进行相应数据处理获得标定参数。仿真实验证明了该方法的有效性，通过与常规方法的对比试验，验证了本文所提出的方法可以高效精确辨识标定参数。　　诸如MEMS陀螺仪、光纤陀螺等传感器多是温变型的，标定参数随温度会发生较大变化，而传统的温变参数辨识方法有辨识时间长，无法满足高效低成本辨识的要求，没有考虑温度梯度等的影响，辨识结果不准确等缺点。本文提出了一种快速高精度温变参数辨识方法，该方法利用基于持续激励条件的快速标定方法，采集大量传感器温变的原始数据，并且针对低精度的MEMS陀螺仪、高精度的光纤陀螺仪，各自制定了标定参数采集实验方案，然后分别利用最小二乘多项式拟合、薄板样条插值建立温变模型。验证实验结果显示，本文所提出的方法与传统方法相比，本文所建立的温度补偿模型可以对传感器进行较高精度的温度补偿，相较于传统方法，精度提高了近五倍。　　惯性传感器随机性误差形成原因较复杂，类型较多，在实际应用中，我们需要辨识其随机误差的类型，及各类型噪声的具体参数，时间序列法及Allan方差分析法是较为常用的两种误差辨识方法。ARMA模型法是最经典的时间序列分析方法，但是该方法的使用前提是所处理的序列是平稳序列，基于此，本文系统地介绍了时间序列方法，包括前期的平稳性、周期性及正态性检测，并着重介绍了多项式拟合方法、经验模态分解方法、平滑先验概率方法三种趋势项提取方法，对处理得到的平稳序列，选用ARMA模型进行建模分析。对某一列陀螺数据进行随机误差时间序列分析辨识，最后通过对残差的正态性分析，显示该处理方法收到了很好的处理效果。然后，本文介绍了Allan方差数据处理方法，并对实验采集的大量MEMS陀螺仪静态数据，进行Allan方差分析，通过双对数图辨识得到了，存在的噪声典型类型及其噪声参数，对我们深入了解传感器性能具有很大帮助。　　惯性传感器辨识得到的标定模型、温度补偿模型、随机误差模型，使用的前提条件是传感器性能相对稳定，但实际使用中，部分传感器的重复性能较差，相同使用条件下，辨识模型却不尽相同，如果直接使用，会由于模型失配而导致误差，针对这一情况，较为有效的方法是进行传感器参数在线辨识。本文提出了一种基于流体力学模型的陀螺仪零点偏置在线辨识方法。建立“十字形”压力传感器阵列，分析了航行器在静水中姿态与压力量测关系;利用流体力学模型求解航行器表面理论上力学分布，同时利用有限元仿真软件，求解特定条件下，航行器表面的力学分布数值解，进而求解姿态角;选用该压力传感器阵列与惯性传感器共同组成姿态解算系统，在线辨识陀螺仪的零点偏置，仿真结果显示，该方法可有效辨识陀螺仪零点，进而得到较高精度的航行器姿态信息。　　对于水下航行器组合导航系统，当我们选用不同的传感器组合形式，或针对同一系统建立不同的数学模型时，对系统状态的估计精度将会产生较大影响，因此，辨识系统的组合形式及数据模型是否可以充分激励出系统状态，也是水下航行器非常重要的系统辨识内容。本文提出了一种基于可观测度分析的系统激励充分性辨识方法。文章首先以无系统噪声输入的动态系统，推导了系统误差衰减表达式，借助完全可观测系统的误差衰减值进行归一化处理，将归一化处理之后的值定义为线性系统状态可观测度。鉴于大多数水下航行器组合导航系统的问题是非线性问题，本文着重讨论了一种针对非线性系统的激励充分性辨识方法。为验证所提出的可观测度辨识方法的有效性，我们将该方法应用于某传感器组合导航系统分析中，将可观测度辨识结果与EKF估计值进行比较，验证了本文可提出的分析方法能够较为有效地辨识系统激励的充分性。　　本文将基于可观测度的系统激励充分性辨识方法，推广至线性Kalman反馈系统中，提出了自适应混合Kalman滤波算法。由于在线性Kalman滤波估计中，反馈校正可以有效地校正系统模型误差，在实际工程中应用较多，但由于将不精确的估计值直接反馈至系统中，经常会导致滤波估值发散。本文提出了一种基于可观测度分析的自适应滤波算法，选用可观测度作为系统的反馈因子，自适应的调节反馈值，达到有效抑制滤波发散的效果。将该方法应用于水下航行器姿态解算系统，实测数据显示该方法滤波效果相较于传统混合Kalman方法，不会发生滤波发散现象，滤波精度高。