随着导航技术的日益发展,捷联式惯性导航系统（Strapdown Inertial Navigation System,SINS）和全球卫星定位系统（Global Positioning System,GPS）的组合形式成为一大热门。SINS/GPS组合导航系统作为一种复杂的导航技术,硬件设备的误差、外部干扰、系统噪声、建模误差等都会造成导航性能的下降。因此,本文为了进一步提高SINS/GPS组合导航系统的导航性能,针对传统滤波算法存在的不足,提出了一类基于数据融合滤波的SINS/GPS组合导航系统空中对准方法。本文的主要工作及创新点如下:针对传统的卡尔曼滤波（Kalman Filter,KF）自身存在的不足,提出了一种基于鲁棒滤波的SINS/GPS组合导航系统空中对准方法。通过将模型误差转换为常值误差的形式,利用偏差分离法设计了鲁棒卡尔曼滤波器,并对系统状态进行估计,以此修正系统误差。在松组合的组合模式下,将所设计的鲁棒滤波器代替传统的KF,并对鲁棒卡尔曼滤波器下的反馈校正进行研究,在间接法下的该滤波算法能使反馈校正比输出校正获得更加优异的导航性能。针对无迹卡尔曼滤波（Unscented KF,UKF）存在对初始采样值敏感从而影响系统状态的问题,提出了一种基于迭代无迹卡尔曼滤波（Iterative UKF,IUKF）的SINS/GPS组合导航系统空中对准方法。利用测量方程更新得到的状态估值作为新的采样点重新进行迭代更新,由此降低状态初值对系统状态带来的影响,修正状态估值。与传统UKF算法相比,所提出的IUKF提高了 SINS/GPS组合导航系统的导航精度,具有更好的鲁棒性。针对传统SINS/GPS组合导航系统误差模型在运载体处于大失准角运动状态时,该误差模型不能精准描述系统的真实状态,而传统的粒子滤波（Particle Filter,PF）又存在粒子退化的问题,提出了一种基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法。利用误差四元数代替状态向量中的三个姿态角,使得系统模型能够在大失准角的状态下保持相对稳定和精准度。并且充分发挥了 UKF和PF两种滤波算法的优势,将采样粒子分为由概率密度函数所采集的随机粒子和由UKF采集Sigma点求取的状态值所构成的确定粒子,该滤波算法不仅能够克服UKF对噪声要求的问题,同时有效降低了 PF的粒子退化程度。在对所提出的方法进行的仿真实验中可以验证,本文所提出的滤波算法能够有效克服传统滤波算法存在的不足,进一步提高了 SINS/GPS组合导航系统的导航精度和导航实时性,为后续的导航系统工作提供了基础。