全球导航定位系统(GNSS)与惯性导航系统(INS)进行组合,将二者的优势进行组合,能够提供连续的、高精度的导航信息(位置、速度和姿态)。本文对GNSS/INS组合导航的滤波理论进行了系统的研究,内容重点涵盖了惯性导航系统原理、GNSS/INS组合导航基本原理、GNSS定位模式和信号传播相关的误差分析、GNSS/DR组合导航滤波算法、GNSS/INS紧组合导航模式随机模型误差和函数模型误差自适应滤波算法、抗差滤波算法和依次抗差滤波算法研究等。主要工作和研究成果概括如下:(1)总结了GNSS/INS组合导航系统数据处理原理,分别介绍了INS导航、GNSS导航的基本原理以及对GNSS定位模式和信号传播相关的误差进行了分析比较。(2)介绍了标准卡尔曼滤波算法、自适应卡尔曼滤波算法和抗差卡尔曼滤波算法模型的基本原理,并将扩展卡尔曼滤波算法(EKF)、自适应EKF算法和抗差EKF算法运用于GPS/DR组合导航中并比较它们之间的不同点。(3)针对多传感器观测信息较多,计算效率低下,本文采用了一种基于马氏距离建立的自适应卡尔曼滤波算法。根据观测值和预测值之间的差值建立马氏距离,其中马氏距离的平方值服从卡方分布。以马氏距离的平方值作为判断参数,利用统计学知识通过假设检验的方法探测模型误差,并运用牛顿迭代法建立的因子对模型误差进行调节,降低模型误差影响。分别对GNSS/INS紧组合随机模型误差和函数模型误差模拟并运用本文提出的滤波算法进行解算。结果表明,论文提出的滤波算法在保证计算正确性的基础上能够提高计算效率。(4)当观测值存在粗差时,运用卡尔曼滤波算法进行解算可能会出现滤波发散等问题。本文采用基于马氏距离的抗差卡尔曼滤波算法,利用统计学知识通过假设检验的方法探测异常值,并运用牛顿迭代法建立的的抗差因子对异常值进行调节,从而降低异常值对动力学模型的影响。将该算法运用在GNSS/INS紧组合中,结果表明,该算法具有较好的抵抗动力学模型误差的效果,能够有效消除动力学模型中的异常值。(5)针对观测向量中存在多种类型的观测元素时,如果简单的运用4中提到的抗差算法对动力学模型进行统一调节通常会产生“纳伪”和“去真”情况发生,对于该问题本文利用Cholesky分解对观测噪声矩阵R进行分解,并将分解后各个观测向量的观测值与预测值的差值建立马氏距离,通过假设检验的方法探测出是某个观测向量存在粗差,并根据牛顿迭代的方法建立调节因子对各个观测向量的权矩阵进行调节,这样会使粗差的探测和调节效果更好。该算法不仅能处理单个观测元素或者某一类观测向量,而且能够进一步的提高解算精度。但是在提高精度的同时增加了计算机的荷载量。