当前,船舶上安装了多种与航行安全相关的助航仪器,惯性导航系统（Inertial Navigation System,INS）与全球定位系统（Global Positioning System,GPS）是其中具有代表性的设备,INS是一种安全性好,输出频率高,故障率低的自主导航系统,能够提供船舶的姿态,速度,位置等信息,但是误差会随着时间的积累而增加;GPS能够提供高精度的位置、速度等信息,然而自主性差,易受干扰,高动态适用性较差。因此,充分利用INS和GPS的互补关系,组成INS/GPS组合导航系统以获得更加精确稳定的导航信息。首先,阐述了组合导航系统坐标系之间的转换关系,研究了INS和GPS助航仪器设备的导航原理及误差特性,详细分析了INS的解算过程,并对系统误差进行了分析,给出了各自的误差模型。其次,针对单一导航系统无法得到连续、稳定、可靠的导航信息的问题,构建INS/GPS组合导航系统的状态方程和量测方程,构建了一种基于集合卡尔曼滤波（Ensemble Kalman filter,En KF）和马尔可夫蒙特卡罗（Markov Chain Monte Carlo,MCMC）的增强粒子滤波算法,并应用于GPS/INS组合导航系统中,结果表明增强粒子滤波算法能提高估计精度。最后,INS/GPS组合导航系统能够充分利用各子系统性能有利于导航系统精度及可靠性的提升,但是该系统在导航过程中又过分依赖于GPS信号,当GPS信号被遮挡或受到干扰出现异常时,难以得到精确的导航解。针对这一问题,结合神经网络（Neural Network,NN）与扩展卡尔曼滤波（Extended Kalman Filter,EKF）方法,设计了一种基于EKF-NN的INS/GPS组合导航算法。在GPS信号正常时,使用EKF滤波算法实现组合导航系统精确解算,并利用导航数据训练网络模型;在GPS信号出现异常时,根据训练好的网络模型预测扩展卡尔曼滤波器的量测值,对滤波器进行量测更新,并利用EKF滤波器对惯性导航数据进行状态估计,从而提高了GPS信号异常时INS/GPS组合导航系统的精度与稳定性。通过仿真实验表明,基于EKF-NN的INS/GPS组合导航算法能够确保导航误差快速收敛,获得高精度的导航解。