在卫星导航定位中,由于卫星导航本身的缺陷,使得卫星导航在城市峡谷等地区定位精度和可靠性下降。随着智能交通、无人驾驶技术的发展,解决城市地区卫星定位问题的需求越来越大。卫星定位在室外具有高精度、误差不随时间累积的特点,但单一的卫星定位在高楼密集的城区,卫星信号会受到建筑、树木、立交桥等的遮挡,高压电产生的电磁干扰等影响。而惯性导航系统具有受环境影响小,能够提供短时间内高精度的载体运动信息的特点,但其误差会随时间迅速累积,这与卫星导航系统表现出互补性。因此,综合卫星导航系统和惯性导航系统的优缺点,融合卫星导航和惯性导航的信息是目前相关领域的研究特点。本文提出了改进的 GNSS/INS（Global Navigation Satellite System/Inertial Navigation System）紧组合算法。另外,提出卫星信号拒止的多源融合姿态初始化算法,以及在复杂环境中的粗差检测抑制以及时变噪声估计方法,最终实现在部分干扰遮挡环境下,可见卫星数量短时不足时的稳定导航。本文首先建立传统EKF框架下的GNSS/INS紧组合系统模型,并分析其在不同可见卫星下的能观性。在传统GNSS/INS紧组合模型的基础上,设计基于多历元联合观测的GNSS/INS紧组合滤波模型,将接收机多历元状态置入状态向量中,对多个历元的伪距观测进行延迟统一测量更新,提高系统短时间内的能观性。实验表明,在可见卫星不足的情况下（可见卫星数为2颗、3颗）,系统能在短时间内保证导航的精度和稳定性。针对GNSS/INS系统的状态初始化问题,在GNSS拒止时,建立基于地磁和重力测量的姿态初始化算法,并在此基础上提出改进的基于磁场的姿态估计算法。最后进行仿真实验测试,实验表明,基于地磁和重力测量的姿态初始化方法在动态环境下不适用,而仅基于地磁的方法能够保证良好的估计精度。最后针对环境中存在的观测粗差和时变噪声问题,提出基于多历元观测的自适应滤波方法,并在GNSS/INS紧组合算法和地磁/INS组合姿态估计算法中进行性能测试,实验表明在地磁/INS组合姿态估计算法中,有良好的自适应估计效果,但在GNSS/INS紧组合算法中,估计性能有所下降。