在电动汽车示范运行阶段,为了方便地对电动汽车进行监控,积累运行经验,提高电动汽车性能,非常有必要开发电动汽车的车载监控终端,以实时监测电动汽车的运行状态参数,了解车辆的故障情况,调整车辆的运行参数,优化电动汽车的性能。定位导航模块是车载监控终端不可缺少的一部分。现在广泛使用的GPS全球定位系统具有定位速度快、精度高、地面连续覆盖等特点,但是在高楼林立的城市中,遮挡和多路径效应问题使定位精度下降和存在很多盲区。航位推算系统(DR)利用车辆行驶的方向和距离信息来推算车辆的瞬时位置,不依赖于外界信号,具有自主的定位导航性能,而航位推算系统的固有缺点是定位误差随着时间积累,单独的航位推算系统是不能长时间进行定位的。把GPS和DR两种系统进行组合,可以使两者取长补短,达到较好的定位效果。其组合的核心是多传感器的数据融合算法,联合Kalman滤波算法能够利用信息分配原则,实现多传感器信息的最优综合,使得整个系统既具有较高的精度又具有一定的容错能力,从而获得整体上最优的性能。本文重点研究了Kalman滤波的数据融合算法,根据线性系统的标准Kalman滤波方程,推导得出了用于GPS系统的标准Kalman滤波数学模型(状态方程和量测方程),根据非线性系统的扩展Kalman滤波方程,推导得出了用于DR系统的扩展Kalman滤波数学模型(状态方程和量测方程),设计了联合Kalman滤波器用于对GPS和DR两种系统进行数据融合,并利用GPS接收机提供的位置精度因子(PDOP)设计了融合系数可自适应调整的数据融合方案,两种系统的数据进行融合后,得出定位的最优估计值。对设计的联合Kalman滤波器进行了计算机仿真,仿真结果表明:应用该自适应联合Kalman滤波器可大大提高车载GPS/DR组合定位系统的定位精度及容错能力,可实现实时、准确、全天候、不间断定位的预期目标。文章最后对车载监控终端在硬件上进行了设计实现,并给出了软件的设计方案。