捷联惯性导航系统可全天候自主地实时定位，全球导航卫星系统虽然依赖卫星信号实现定位，但是其精度不随时间发散，所以利用二者优势互补的SINS/GNSS组合导航系统在性能上有很大的提升，尤其是在SINS/GNSS深组合导航系统中，不仅提高了系统的定位精度，长时间工作能力，也使系统在弱信号和高动态的环境下依然能够保持较高精度的工作。本文针对SINS/GPS深组合导航系统中的深组合系统闭环算法和组合导航数据融合算法进行了以下讨论和研究。分析了光纤捷联惯导系统的导航方程，并且根据SINS/GPS深组合导航系统的特点，选取地球系导航方程作为系统中实际应用的导航方程。分析了角速度敏感元件即光纤陀螺对SINS导航精度的影响，并对相应结果做了仿真验证。详细分析了SINS/GPS深组合系统的组成和结构，对各种不同结构的深组合方式进行了对比，并在此基础上给出了各种深组合结构的数学模型，总结了深组合系统的定义，给出了将联邦式系统列为深组合系统的理由。分析了SINS/GPS组合导航系统的可观测性。因为深组合导航系统中的观测模型十分复杂，为了避免在可观测性分析中引入该复杂模型，论证了在观测矩阵非零列构成的矩阵列满秩时系统的可观测性与观测矩阵对应位置为单位阵时相同，如此，就可以将系统的状态矩阵脱离出观测矩阵而进行单独分析。研究了SINS辅助GPS接收机在高动态条件下的弱信号捕获的问题。为了有效捕获弱GPS信号，采用了40ms的相干积分。而为了去除导航数据位对长相干时间的影响，采用了循环去除和翻转的方法。为了捕获动态信号，利用SINS短期输出相对精度高的特点，在同一个相干积分时间内采用多个多普勒估计值共同剥除载波，有效降低了因载体动态造成的捕获信号能量损失，缩小了相干积分内平均多普勒误差与搜索范围中心频率的距离，提高了高动态条件下对弱信号的捕获效率。研究了SINS/GPS深组合系统中惯性器件噪声统计特性未知的条件下的导航算法。在此情况下，首先利用极大似然准则，构造含有系统噪声统计特性的对数似然函数，进而利用最大期望算法，将噪声估计问题转化为对数似然函数数学期望极大化问题，得到带次优递推噪声估计器的自适应SPKF算法。使导航算法在其为载体提供导航信息的同时，不断的在线估计惯性器件的误差方差，进而对系统进行修正和更新。研究了SINS/GPS深组合系统中状态存在突变的情况下的导航算法，利用矩阵对算法的滤波记忆长度进行限制，并且对矩阵进行自适应的调整，得到带自适应渐消矩阵的扩维UKF算法，有效抑制可能发生的系统状态突变对系统带来的不利影响。根据正交性设计自适应渐消矩阵，并根据SINS/GPS组合导航的特点简化计算，再利用渐消矩阵修正算法中的相应变量，使SINS/GPS组合导航能够抵抗系统状态的突变，并且该算法也能在系统噪声统计特性不确定的情况下提高导航精度。