如何通过信息融合手段提高导航系统的精度、可靠性和效费比,一直是无人机技术的研究热点。由微型机电系统惯性测量单元(MEMS inertial measurement unit,MIMU)、环球导航的卫星体系(global navigation satellite system,GNSS)的接收机和磁强计形成之无人机导航系统,具备体量较小,造价低,可观之信息周备等优势,得到了较普遍之使用。由于这种系统的最优估计问题本质上是非线性、非高斯的,传统的组合导航算法成为了导航的精度、可靠性进一步提高的短板。如是,此文引入了一种改良的粒子滤波(PF)方式,开展了较深化之研究工作。主要内容见下,介绍了普通的Kalman滤、广义的Kalman滤波、无味的Kalman滤波以及容积Kalman滤波的原理和算法。通过将它们与粒子滤波在后验概率密度分布函数精确性方面的对比,本文明确了粒子滤波在面对非线性、非高斯局面时的优越性。研究了惯性导航的力学编排,给出了GNSS、MIMU和磁强计的测量原理,推导了MIMU、GNSS和磁强计组合导航系统的状态方程和观测方程。研究了粒子滤波难以直接应用于组合导航的原因。并据之介绍了一般性的非线性Kalman滤波与粒子滤波结合的混合估计方式,及其不足。设计了一种新的混合粒子滤波算法。该方法以系统状态转移分布作为重要性采样的依据,在重采样的过程中按照重要性重采样(SIR)淘汰退化的粒子并根据似然比和UKF滤波产生的导航参数及其协方差产生新粒子进行替换,同时保障粒子的多样性和有效性。不同于一般性的混合粒子滤波方式,新法不需通过要每枚粒子配备一个非线性Kalman滤波器来获得推荐分布,极大的削减了计算之复杂度。通过典型的非高斯、非线性条件下的数学仿真验证算法性能。