全球定位系统和惯性导航系统进行组合,能够提供高精度的导航信息(位置、速度和姿态),在近几十年中,被广泛地应用于军事、农业等不同的领域。论文围绕精密单点定位和惯性测量组合导航系统展开研究,重点涵盖了惯性测量单元自对准噪声消除、精密单点定位误差改正模型、联邦自适应滤波模型、精密单点定位和惯性测量组合导航、惯性辅助精密单点定位周跳探测、UWB增强的组合导航系统、基于模糊神经网络的里程计增强算法几个方面,取得的主要研究成果如下:(1)针对野外导航环境下,惯导基座易受到干扰,提出了基于Vondrak低通滤波的初始自对准算法。比较了静基座和受干扰基座的比力观测值的频谱特性,在此基础上,构建了Vondrak低通滤波消除高频噪声,引入遗传算法选取滤波器的平滑因子参数。经模拟和实测实验表明,提出的对准算法能够有效消除比力观测值的高频噪声,提高对准精度。(2)精密单点定位与差分定位主要区别在于差分模式能够消除大多数误差项,而精密单点定位需要通过建立误差模型进行改正。论文首先分析了精密单点定位各项误差特性及其对解算精度的影响机理,给出了各项误差改正模型,深入研究了针对于不同采样频率的数据,误差改正模型对于精密单点定位结果的影响量级,为误差模型的取舍提供了参考依据。(3)针对多传感器观测信息较多,计算效率较低,抗差效果不佳的问题,提出了一种联邦自适应滤波器,论证了联邦滤波器和自适应滤波器的等价性及其等价成立条件,提出了联邦自适应滤波器的信息分配因子构造方法。结果表明,论文提出的联邦自适应滤波器兼容了联邦滤波器高计算效率,且具有较好的抵抗动力学模型误差效果,能够有效消除动力学模型异常值。(4)提出了精密单点定位和惯性测量的组合系统,重点阐述了紧组合的动力学模型和观测模型,鉴于紧组合中观测值种类较多,引入联邦自适应滤波器算法。结果表明,INS可以提供更高精度的初始位置信息,从而提高了精密单点定位解算精度,相对于集中滤波器,联邦滤波器解算结果具有一定的等价性,但滤波器的计算效率和自适应性得到了提高。(5)提出了惯性辅助的周跳探测算法并应用于紧组合导航,利用惯性信息和传统Melbourne-Wübbena观测值进行组合,消除伪距噪声和多路径的影响,构建了惯性辅助的周跳探测决策量,通过误差分析计算新决策量优于MW组合观测的临界值。结果表明,新提出的周跳探测算法能够准确探测和修复周跳,周跳的正确修复削弱了模糊度重新初始化带来的负面影响。(6)提出了UWB增强的组合导航系统,利用UWB进行GPS遮挡区域距离信息的观测,UWB距离信息和GPS原始信息构成导航系统的滤波观测值,提高了滤波器输入值的个数,有效解决了可观测卫星个数不足的问题,改善观测信息的空间结构,降低了DPOP值。结果表明,当卫星信号被部分遮挡时,UWB增强的组合系统能够大幅度提高导航精度和可靠性。(7)提出了基于模糊神经网络的里程计增强系统,根据里程计和GPS的观测信息类型相同,构建了模糊神经网络FNN。GPS、里程计和IMU观测信息输入到FNN中进行训练学习。当GPS信号缺失时,FNN利用训练好的模型输出里程计速度信息改正数。结果表明,在GPS信号长时间缺失情况下,里程计增强的组合系统能够有效提高组合系统的位置、速度和姿态的解算精度。