惯性导航系统（INS）仅依靠惯性元器件的测量信息便可实现运载体的导航与定位,具有较强的自主性和抗干扰能力。光纤陀螺仪（FOG）凭借重量轻、可靠性高、采样频率快等特点成为INS的主要惯性元器件,光纤陀螺的输出信号包含各类随机噪声,需对其进行滤波处理,削弱及抑制信号中的噪声,从而提高数据的精度。INS存在自身漂移和数字误差,使得积分运算得到的姿态角和速度会随时间产生漂移,尤其是二次积分得到的位置发散严重。通过惯性/视觉数据融合,构建惯性/视觉组合导航系统,可以弥补单一传感器在导航定位精度方面的不足,提高惯性导航单元的精度。本文对光纤陀螺仪输出信号进行滤波算法研究,并在此基础上探讨惯性/视觉组合导航系统数据融合算法,具体研究内容如下:1、阐述了捷联惯导系统各坐标系之间的转换关系、载体姿态解算方法,以及惯性导航系统的更新方程和误差方程。通过Allan方差对陀螺仪的各项随机噪声进行量化和分离,并对光纤陀螺仪信号噪声特性进行分析。在时域内对光纤陀螺的输出数据进行分析,建立Allan方差分析的陀螺仪随机误差模型。2、为了消除光纤陀螺仪信号的随机误差,最大限度地还原真实信号,采用一种基于EMD-SVD光纤陀螺滤波算法。通过经验模态分解（EMD）将光纤陀螺信号分解为多个本征模态函数（IMF）,利用连续均方误差和马氏距离相关理论计算两个指标参数,将光纤陀螺输出信号区分为噪声IMFs、混合IMFs和信息IMFs三类,并设计信号重构方案。采用EMD-SVD滤波算法对混合IMFs逐项进行滤波处理,完成信号重构得到滤波信号。本文滤波算法能有效抑制光纤陀螺仪的信号噪声,提高光纤陀螺仪解算精度。3、在陀螺仪滤波算法的基础上,分析惯性导航和视觉导航的优势与不足。基于多速率卡尔曼滤波（MKF）融合惯性/视觉组合导航,针对双系统融合时采样周期不一致的问题,建立了组合系统的状态模型和量测模型,进行仿真实验。实验结果表明,该方法具有较好的收敛效果和较高的导航精度。