随着经济社会的发展和科学技术的进步,各种交通方式方便快捷,出行需求爆炸式增长,人类活动的速度、频率和范围不断扩大,也正由于此,人类对导航定位的需要前所未有地强烈。总结导航定位技术数千年来的发展规律,可以看出导航定位技术经历了并正在经历着如下过程——由地面到海上,由二维到三维,由室外到室内,由缓慢到快速,由模糊到精确,由人工到自主。在高精尖科技不断向导航定位领域渗透的过程中,自主,成了导航定位一个特点。而导航定位能够如此智能的一个原因,是滤波算法在该领域的应用。于是本篇论文以滤波算法在自主导航中的应用与研究为目标,开展研究工作。自主导航系统中以卡尔曼滤波(Kalman Filter)算法及其衍生算法——如扩展卡尔曼滤波(Extended Kalman Filter, EKF)、无迹卡尔曼滤波(Unscented Kalman Filter, UKF)、容积卡尔曼滤波(Cubature Kalman Filter, CKF)、鲁棒滤波(tobust Filter, RF)或粒子滤波(Particle Filter, PF)等为信息处理的核心。卡尔曼滤波的有效运行要求系统必须是线性,而且状态噪声和观测噪声为高斯白噪声。但在实际应用环境中,以上条件很难符合,为了在非线性、非平稳和非高斯的系统中解决问题,上述种种衍生算法应运而生。首先,本文针对全球定位系统(Global Positioning System, GPS)和捷联式惯性导航系统(Strapdown Inertial Navigation System, SINS)组成的GPS/SINS组合导航系统。虽然GPS/SINS组合导航需要借助GPS的外部辅助,但是本文着眼于GPS失效时的SINS自主导航问题。为了达到使组合导航系统更加可靠和精确的目的,实现来自不同传感器的信息融合以达到组合导航,便显得尤为重要。从这个角度来看,组合导航是一件牺牲一部分解算速度换取可靠性和精确性的工作。因此本文首先尝试引入统计学习理论,以增强组合导航系统的可靠性和精确性。本文在对自主导航和滤波算法的研究和应用现状做了细致考察总结的基础上,针对由全球定位系统和捷联式惯性导航系统松耦合形成的组合导航系统,提出了一套可以在GPS信号缺失时仍旧能够保持高精度导航的算法。接下来面向自主导航中的SINS,针对大失准角情况下动基座对准时导航系统受到非高斯或统计规律不明确的状态噪声和观测干扰的影响,本文提出了双重自适应UKF算法,旨在对统计规律不明确的状态噪声和观测干扰,能够同时自适应地对其协方差进行缩放,以尽量减少噪声协方差的变化给滤波带来的影响。最后,针对特定场景中的自主导航,即中庭空间或大跨空间建筑物(如图书馆、博物馆等)的室内无源导航,结合室内空间使用者的行为模式和步态规律,提出了一种基于智能手机的融合了地磁定位和惯性导航的低成本定位方式,仅使用智能手机内置的惯性元件和磁强计完成导航,可以为图书馆和博物馆的电子导游提供支持。论文的主要内容及贡献包括如下内容。(1)提出了一种模拟退火优化的支持向量机算法,针对GPS/SINS组合导航中GPS信号离线的情况,增强了SINS导航参数的精确性。GPS的精确性常与SINS的可靠性结合起来共同完成导航。在详细介绍输出校正的GPS/SINS组合导航系统的基础上,引入了模拟退火优化的支持向量机(Support Vector Machine, SVM)算法,以及介绍了前向反馈的人工神经网络算法和遗传小波神经网络算法。本文提出一种新方法来实现滤波算法和GPS/SINS的有机结合。首先,由于组合导航系统常采用间接滤波方式,因此组合导航系统的状态方程是一阶误差方程,使用KF即可达到良好的性能,本文使用KF来仿真动态模型的信息融合。因此当GPS与SINS共同使用时能得到非常精确的滤波结果。其次,当SINS数据作为唯一的输入时,把它和滤波结果作为训练目标来训练。本文提出用SVM训练GPS信号缺失时的SINS数据,并使用模拟退火算法优化SVM算法中核函数与惩罚函数的参数。由此,组合导航能够在GPS离线时保持接近GPS在线时的精确度。仿真验证过程中,重点考察了使用模拟退火对SVM相关参数的寻优效果,以及SVM的经过训练后的自回归效果,并且将其与前向反馈的人工神经网络算法和遗传小波神经网络算法的预测效果做了对比,证明利用模拟退火优化的SVM的寻优效果。(2)提出了一种引入放缩因子的双重自适应无迹卡尔曼滤波算法,针对SINS的动基座初始对准中非平稳非高斯的噪声干扰,提高了收敛速度和收敛精度。研究大失准角情况下动基座传递对准的基本原理,介绍了以UT变换为核心,以KF为框架的UKF算法,以及其他常用于非线性系统的滤波算法——EKF, CKF, PF和Sage-Husa滤波的基础原理和过程,建立了动基座传递对准的误差方程,在SINS的动基座初始对准过程中,状态噪声和观测干扰对UKF的估值产生影响,进而造成对准结果的失准。为了避免上述情况的发生,对UKF算法进行了改进,提出一种双重自适应UKF算法。该算法根据统计学原理,利用开窗检测的方法动态检测噪声方差的变化,引入与之相自适应的缩放因子,达到平抑状态噪声的目的；同时通过监测基于新息特性的自适应矩阵的迹并进行实时修改,达到抑制观测干扰的目的。仿真验证阶段,建立了一个动基座传递对准系统,将该算法同卡尔曼滤波、EKF、UKF、CKF、PF和Sage-Husa滤波器,丛对准时间和对准精度上进行了对比,结果双重自适应UKF算法能够敏感应对状态噪声和观测干扰,同时具有较强的健壮性,能够快速对两者进行平抑。(3)提出了一种地磁定位和惯性元件导航相结合,使用粒子滤波增强精度的导航算法,针对室内导航,尤其是图书馆或者博物馆等中庭(大跨)空间中的导航问题,提高了航迹推算精度和定位效率,为电子导游提供一种解决方案。中庭空间和大跨空间内的行人航迹推测与定位,一直是图书馆和博物馆等公共服务部门的一个难题。本文着眼于基于智能手机的室内无源定位方法,同时不依赖于各种接收信号强度(Received Signal Strength, RSS)定位算法,只使用智能手机内部嵌入的惯性元件和磁强计。文章在对行人步态规律进行总结的基础上,提出了基于手机加速度传感器的步态识别算法。接下来,本文分析了现行行人航迹推测算法中存在的问题,提出了改进方法,增强了步态检测、步长估计和方向推算的功能。最后,利用行人在特定场合下的行为模式,结合融入了粒子滤波的地磁匹配算法对低成本惯性元件主导的航迹推测进行校正。通过仿真验证得出结论：该方法能够在智能手机上运行,具有便携性强,算法复杂度低,结果有效性高,能耗低等优点。