随着人们日常汽车出行需求的提升,导航与定位技术越来越受到关注。导航系统能够有效辅助汽车出行,解决在陌生环境下的出行问题,因此近年来发展迅速。常见的导航系统包括惯性导航（INS:Inertial Navigation System）以及GPS（Global Position System）导航,或者将它们有效组合。在组合导航系统开始工作前,需要进行初始对准以确定参考的导航坐标系,这是保证车载组合导航系统正常工作的基础,快速而又准确的完成初始对准过程对于提高组合导航系统性能具有重要意义。当组合导航系统中惯性元件精度不高、系统受到较大干扰,或者当车辆进入通信中断区域,GPS导航信息明显衰减,SINS成为该阶段唯一可用的导航系统时,初始对准过程中会出现明显的大失准角,误差模型也变为典型的非线性模型;而与其他非线性滤波算法相似,在应用EKF算法处理大失准角下的非线性初始对准误差模型时,某些时候对准效果并不理想,甚至会出现对准误差一度无法收敛的情况。因此,本文希望通过分析初始对准过程中存在的非线性因素,从误差模型在EKF算法中的稳定性以及可观性角度出发,找到改善系统性能的方法,进而提高初始对准的效果。首先,根据组合导航系统的工作原理,以及导航中常用的坐标系变换,得到姿态矩阵,进而根据失准角与导航坐标系之间的角运动关系、加速度计的工作原理得到非线性初始对准误差模型,并分析了模型中的非线性部分对于初始对准过程的影响。其次,对多种适用初始对准过程中的非线性滤波算法进行比较,选择了较为常用的EKF算法为研究对象,确定了研究误差模型在EKF算法中性能的方法。在系统的可观性上,通过线性化方法以及秩判据,对误差模型中状态的可观性进行分析,并对状态量进行降维得到可观的误差模型;在系统的稳定性上,以Reif提出的稳定性条件为依据,从雅可比矩阵、线性化误差、误差协方差矩阵以及初始误差和噪声项边界四个方面详细分析误差模型的稳定性,并结合数值仿真分析从理论上说明了初始误差以及噪声方差的边界要求过于严格,在实际中无法满足,一定程度上解释了EKF算法在某些情况下对准效果不佳的原因。再次,为了改善非线性误差模型在算法中的可观性和稳定性,提高对准效果,对模型中存在的非线性因素进行保留,提出了EKF-A算法,并对比了该算法与传统EKF算法在可观性、稳定性以及对准效果上的差别,仿真结果显示,通过保留非线性因素,在较大的初始误差以及噪声方差下,模型在算法中的可观性以及稳定性有了显著改善,并且对准效果也获得提升,同时,分析过程有助于为非线性模型在EKF算法中的稳定性分析提供参考。最后,进一步从误差源、初始误差协方差取值两个方面,分析了非线性因素对于对准过程的具体影响,模型中的误差源会通过非线性因素影响对准效果,仿真结果进一步说明了保留非线性因素的必要性;初始误差协方差P0的取值会影响对准过程的对准速度,适当调整P0的大小有利于提高对准效果;结合卡尔曼增益K,给出了调整噪声协方差参数Q与R的方法,即减小Q会使得卡尔曼增益K与天向失准角相应减小,对准的过程更趋于平稳,曲线相对平滑;而减小R,会使得K与天向失准角相应增大,失准角误差对准速度更快,但是误差可能会增大,并结合试验验证了关于对准效果的分析。