车辆定位系统是智能交通系统的一个重要内容，它在缓解交通拥挤、方便驾驶、交通管理、防盗报警和紧急求救等方面都具有重要的意义。对于车辆定位系统，一个关键的问题就是采用何种定位方式来获取准确可靠的车辆位置信息，全球定位系统／航位推算组合定位不但可以解决全球定位系统单独定位时，由于卫星信号被遮挡而造成的不能定位的问题，而且可以有效地抑制航位推算定位时的累积误差，极大地提高了车辆定位系统的定位精度和工作的可靠性，因此被广泛采用。但是由于受到成本的限制，全球定位系统／航位推算组合定位系统需选用低成本的航位传感器，因此必须配合一定的融合算法来提高系统的整体性能，即如何有效地融合全球定位系统和航位推算系统两者的定位信息，因此实现全球定位系统／航位推算组合定位的核心问题是两者数据融合方案的设计，卡尔曼滤波是一种较好的解决方案。本文以卡尔曼滤波理论为基础，对全球定位系统／航位推算组合定位的融合算法进行了详细的研究。建立了基于“当前”统计模型的组合定位系统的滤波模型，分析研究了传统的扩展卡尔曼滤波，联合卡尔曼滤波，强跟踪滤波算法在全球定位系统／航位推算组合定位系统中的应用。由于这些融合算法都是基于扩展卡尔曼滤波的，而扩展卡尔曼滤波存在滤波收敛速度慢、对系统模型误差和噪声统计特性的鲁棒性差和实际中难以实施等缺点，因此本文引入了一种新型的非线性滤波算法—无迹卡尔曼滤波，无迹卡尔曼滤波无需对非线性系统进行线性化近似，避免了线性化误差的引入和雅克比矩阵的计算，其实用性和滤波估计精度都要优于传统的扩展卡尔曼滤波。根据全球定位系统／航位推算组合定位系统的特点，对无迹卡尔曼滤波进行了简化，提高了其计算效率，并将无迹卡尔曼滤波与联合卡尔曼滤波、强跟踪滤波相结合，构成了无迹卡尔曼联合滤波算法和无迹卡尔曼强跟踪滤波算法。通过对各种融合算法的仿真，结果表明无迹卡尔曼滤波与传统的扩展卡尔曼滤波相比，其滤波精度、收敛速度、鲁棒性、实用性和可靠性都得到了明显改善，尤其是本文提出的基于无迹卡尔曼滤波的联合滤波算法和基于无迹卡尔曼滤波的强跟踪滤波算法不但保持了传统的联合滤波和强跟踪滤波的优良特性，又融合了无迹卡尔曼滤波估计精度高和鲁棒性强的优点，真正实现了车辆定位系统低成本、高精度和高可靠性的要求，具有一定的应用价值。