高精度定位技术现已被广泛应用在各个工程领域,红外线定位技术、射频识别技术等常用的定位技术因对环境要求苛刻导致应用范围受限,惯性定位技术因其不依赖外界环境的而被广泛采用,但定位精度有限,两者结合的组合定位技术成为近些年研究热点之一。目前,卡尔曼滤波算法已被广泛应用到组合定位中进行数据融合,数据融合的精度对组合定位的精度起着重要的作用,如何提高卡尔曼滤波精度是提高组合定位精度的有效手段。本文通过对组合定位中的数据融合算法进行研究,在进行组合定位数据融合时实现了两种不同的数据融合改进算法。第一种算法,在对和声算法研究的基础上,实现使用和声算法对UKF算法的UT变换中待选参数κ进行最优化的选择,UT变换中的待选参数影响着缩放比例因子的计算从而影响整个算法的误差,带来预测精度不高的问题,使用和声算法对待选参数进行最优化选择可以有效提高预测误差的精度,达到提高定位精度的效果。第二种算法,在数据融合中引入了和声差分算法,使用和声差分算法对UKF中的待选参数进行最优化选择,从而达到提高定位精度的目的。论文最后利用matlab软件对两种改进的UKF算法进行仿真实验,验证了两种算法在组合定位中进行数据融合时可以有效地提高误差的精度,从而达到提高定位精度的目的,通过matlab仿真并和其他算法相比较,改进的UKF滤波算法具有优越性,可行性和有效性。