为了保证INS／GPS组合导航系统具有较高的定位精度和抗干扰能力，需要采用良好的数据处理方法。本文重点研究了INS／GPS组合导航系统中的数据滤波问题。根据惯性导航系统(INS)和全球定位系统(GPS)的工作原理和特点，选择合适的组合方式及合理的滤波方法，对提高系统的性能具有较为重要的理论意义和工程应用价值。本文在全面分析整个INS／GPS组合导航系统工作原理的基础上，建立了组合导航系统数学模型，着重进行了INS／GPS组合导航系统中的四类典型滤波器的分析和设计，即：卡尔曼滤波器、联邦滤波器、自适应滤波器和鲁棒H_∞滤波器的分析和设计。首先针对INS和GPS的位置组合、速度组合、“位置+速度”几种组合方式分别设计了常规卡尔曼滤波器；在给定的条件下，仿真分析了各种常规卡尔曼滤波器的性能。利用信息融合与信息分配技术，设计并实现了INS／GPS系统的联邦卡尔曼滤波器，解决了当GPS发生故障时的故障检测与隔离问题。分析设计了INS／GPS系统的自适应卡尔曼滤波器，可以预测实际中不准确或未知的噪声统计特性。这几种滤波方法的核心都是卡尔曼滤波。由于卡尔曼滤波要求干扰是统计特性已知的白噪声，该条件在实际应用中通常不能严格满足，由此影响到滤波的性能。鲁棒H_∞滤波只要求噪声是能量有界的，而不是其精确的统计特性。鲁棒H_∞滤波器不但对噪声的不确定性具有鲁棒性，而且对系统参数的不确定性也具有鲁棒性的能力。因此将鲁棒H_∞滤波应用于INS／GPS系统，可以在系统噪声和参数不确定的情况下完成滤波计算，弥补卡尔曼滤波的缺点；可变的γ引入，使得H_∞滤波器性能得到改善。