随着导航技术在军民领域越来越广泛的应用,用户对导航系统精确性和可靠性的要求越来越高。全球卫星导航系统(Global Navigation Satellite System,GNSS)和惯性导航系统(Inertial Navigation System,INS)是最常见的两种导航系统。GNSS可以向用户全天候、实时提供高精度的位置、速度和时间信息,具有长时的定位精度。但数据更新率低,定位信号易受干扰,动态性能差。INS则可以完全自主、连续地向用户提供位置、速度和姿态信息,具有很高精度的短时精度。但是其定位误差会随时间积累。GNSS和INS的特点具有很强的互补特性,两者的有机结合可以有效提高导航系统的性能。GNSS/INS组合导航系统得到了越来越广泛的关注和研究。GNSS和INS的组合根据体系结构不同,通常分为三种模式:松组合、紧组合和深组合方式。其中,松组合结构最为简单,对独立工作的两个子系统分别输出的定位参数进行融合滤波处理。紧组合系统使用GNSS输出的伪距和伪距率等参数和根据INS导航参数预测的伪距和伪距率信息,在距离域进行融合。松组合和紧组合两种模式都是利用GNSS接收机的信息对INS的误差积累进行抑制,在GNSS无法正常工作时系统失效。深组合采用矢量跟踪的思想,将GNSS的信号跟踪与INS误差发散抑制合并为一个组合算法,深入GNSS接收机内部,完成信号跟踪域的融合,有效提高了系统整体的抗干扰和高动态性能。深组合导航是未来导航系统的发展方向之一。为此,本文对基于矢量跟踪的GNSS/INS深组合导航系统关键技术展开研究,主要工作包括:第一,研究了基于扩展卡尔曼滤波器(Extended Kalman Filter,EKF)的GNSS环路跟踪技术和导航解算技术。基于EKF的GNSS环路跟踪技术是矢量跟踪算法预处理滤波器的基础,基于EKF的导航解算技术是矢量跟踪算法导航滤波器的基础,而两者的分别实现,可以单独应用于传统的GNSS导航接收机算法中,替换原有的基于锁相环的信号跟踪技术和单点定位算法,从而有效提高传统GNSS接收机的跟踪和定位性能。建立了卡尔曼滤波器系统模型和量测方程,通过C语言软件接收机和数字中频信号采集平台,利用跑车数据和卫星导航模拟器数据对算法进行了仿真验证。第二,研究了基于联邦滤波器结构的矢量跟踪技术。对联邦滤波器结构进行了研究。分析了矢量跟踪和传统的标量跟踪方法之间的区别,研究矢量跟踪结构,建立了矢量跟踪系统模型和量测方程,通过卫星导航模拟器信号和跑车数据对矢量跟踪算法进行了仿真验证。第三,研究了GNSS/INS深组合导航系统结构和模型建立。对GNSS/INS松耦合和紧耦合的组合导航结构进行了研究和实现,为深组合的研究打下基础。重点研究了深组合导航系统结构和模型,分析了深组合导航结构的性能优势。利用跑车实验和仿真数据,验证了深组合导航结构的性能。设计开发了基于C语言的非相干式级联滤波深组合导航软件接收机,为后续的工程实现打下基础。