机群和弹群在执行任务时需要精确可靠的导航信息。对由多个节点组成的惯性网络系统采用主从式的传感器布局以及数据融合结构，不仅可以降低整个网络的成本，还能很好的实现子节点的传感器故障诊断、隔离与重构。本文以弹群惯性网络追求低成本、高精度和高可靠性为研究背景，研究了可实现上述功能的由不同精度惯组组成的惯性网络的数据融合算法。本文针对如何提高惯性网络中子节点低精度惯组的导航精度，系统的研究了惯性网络结构以及相关的融合算法。首先，介绍了惯性网络的一般结构以及动静态量测模型，并根据本文的研究背景，选取了动态量测模型作为本文的数学模型，并建立了主从式弹群惯性网络模型。其次，将惯性网络模块化，从多方面出发，分析影响惯性网络精度的主要因素，重点研究了捷联惯导系统的误差传播机理，并根据捷联算法本身的不足，配以多普勒仪和气压高度计等助航子系统来保证惯性网络系统的精度。并对助航仪的误差进行建模，仿真比对了高、低精度惯组的导航信息误差，为后面数据融合算法做好基础工作。再次,给出了子节点位置和速度信息的校正方案，并结合数据融合理论，研究并总结了惯性网络系统多传感器数据融合算法，并结合主从式惯性网络结构，举单主节点，三子节点组成的惯性网络为例，给出了低成本弹群惯性网络分散式数据融合算法。仿真结果表明，基于主从式惯性网络的数据融合算法能有效的提高子节点惯组的精度，从而保证惯性网络整体精度在许用范围之内。本文最后搭建了弹群惯性网络仿真系统，仿真研究了不同精度等级的惯性测量元件对整个网络精度的影响。该仿真系统采用模块化结构，可扩展性强，可以作为后续惯性网络研究的仿真基础平台。