GNSS卫星导航系统由早期的军事用途已经扩展到人们的日常生活中，并发挥着越来越重要的作用。GNSS尽管作为最先进的导航系统，有很多其他导航系统无法比拟的优势，但自身也存在一些问题。因其是一种非自主式导航，致使容易受到外界环境的影响。比如，本文将GPS应用于车辆导航中时，GPS容易受到城市高楼、隧道、高架桥等影响，导致GPS信号不好，无法接收到4颗或者4颗以上的卫星，甚至无法接收到GPS信号。在这种情况下，GPS将无法进行定位，导航系统将无法正常工作，导航系统变得不可靠。如果将航位推算算法应用于GPS车辆导航中，即GPS/DR车辆组合导航系统，则可以避免出现上述提到的问题，实现优势互补。利用DR短时间内的高精度，提高GPS导航定位性能。当GPS无法正常工作时，系统仍然可以保证正常运行。　　 本文主要研究的是GPS/DR车辆组合导航系统，并将一种联合卡尔曼滤波算法应用于GPS/DR车辆组合导航中。　　 首先，本文首先介绍了ADI公司的ADIS16365惯性传感器，随后对ADIS16365传感器误差建模和补偿，并对其进行数据采集，设计一种算法流程对采集到的数据进行解算。结算结果表明，DR系统在短期内，定位误差在可以接受的范围，长时间定位，定位精度迅速发散，达到百米以上的误差。　　 其次，分别设计了GPS子系统和DR子系统滤波算法，在DR子系统中，对几种不同的采样策略进行了分析研究之后，提出了一种自适应比例采样对称算法并进行了算法仿真实验。　　 最后，将设计的GPS子系统滤波算法、自适应的比例对称采样UKF算法和联邦卡尔曼滤波算法应用于GPS/DR车辆组合导航中进行仿真验证，实验结果表明，组合后的车辆导航系统，比单独使用GPS或DR系统定位精度有很大的提高，系统更加稳定可靠。