惯性/GPS深组合将惯性导航系统和GPS信号处理环路进行组合,在提升整体导航能力的同时有效提高GPS在高动态下的适应能力,以及GPS在弱信号环境下的工作性能。本文基于对GPS环路的分析,设计了环路卡尔曼估计算法,并研究了惯性/GPS深组合技术的核心算法,以GPS作为卫星导航系统的研究对象,分析了深组合几种主要算法的实现方法并对算法进行了仿真验证。论文首先分析了跟踪环路的结构,基于跟踪环路中各项参数的物理意义,建立了GPS跟踪环路中各路相关累加量的数学表达式并建立了环路参数与位置速度等相关导航参数的关系模型,在此基础上提出了一种基于卡尔曼最优估计和状态反馈控制的PLL控制算法,该算法可以有效减小PLL中热噪声引起的鉴相器抖动,并可以更精确地估计卫星信号频率。为了分析深组合中惯导对GPS的辅助作用,论文设计了一种基于环路卡尔曼滤波估计及惯导辅助GPS跟踪环路方法的半耦合深组合模型,着重分析了卡尔曼估计器的频率和非相干观测量的获取,以及惯导辅助GPS跟踪中的速度辅助和加速度辅助方法,最后对半耦合深组合进行了仿真,验证了其正确性。随后,论文提出了断开码环/载波环,利用鉴相器建立位置/速度组合模型并直接采用惯导产生GPS本地信号的全耦合深组合算法,分析了码环鉴相器、载波鉴频器、载波鉴相器三种观测量,对观测方程建模,观测量获取方法以及观测噪声进行了分析,设计并最后仿真验证了模型的正确性和性能。最后论文设计了一种高动态深组合快速仿真平台,特别讨论了基于发射时间的动态GPS信号产生方法和基于特征信号量的GPS快速跟踪环路,这两项技术在确保了验证平台正确性的基础上很好地提升了深组合研究的效率。