粒子滤波是一种利用蒙特卡洛技术,实现递推贝叶斯滤波的滤波方法。粒子滤波能够适用于任意非线性或非高斯噪声模型的系统。模型非线性越强,噪声越复杂,越能体现粒子滤波的优点。随着计算机技术的快速发展和计算成本的降低,粒子滤波在信号处理、数字通信、生物、统计、医学、化学以及社会科学等领域有了广泛的应用和发展,已经成为研究非线性、非高斯动态系统最优估计问题的有效方法。但是粒子滤波也有其固有的缺陷,如粒子退化、粒子贫化以及计算量巨大等等。在捷联式惯导系统(Strap-down Inertial Navigation System, SINS)/GPS组合导航系统中,存在很多非线性方程,如惯性导航非线性误差模型、伪距观测方程等。同时实际的组合导航系统噪声非常复杂,常用的卡尔曼滤波或者扩展卡尔曼滤波并不合适。因此粒子滤波在惯性导航、组合导航、汽车定位以及目标跟踪等军事相关领域也取得了广泛的应用研究。结合课题组提出的高动态情况下的组合导航系统框架,本论文主要完成了捷联惯导系统的导航解算的硬件实现和粒子算法的硬件实现,具体的研究工作包括：(1)研究了既有的粒子滤波算法,提出了一种结合动态矩阵控制技术和采样重要性重采样粒子滤波睁改进粒子滤波算法,能够有效克服粒子滤波用于高维数的系统模型时计算量迅速增加的问题。一维目标跟踪和在初始大方位失准角情况下的SINS/GPS组合导航应用仿真,验证了新算法能够以较少的粒子数获得较好的滤波收敛性能和稳定性能。(2)研究了改进粒子滤波算法的并行实现的结构,根据其并行实现的一般框架,着重研究了存储结构的优化、重采样的改进、高斯噪声生成和指数函数的计算等。基于第三章提出的捷联惯导系统的非线性误差模型,完成了的改进粒子滤波算法的硬件实现。时序分析和仿真证明该设计能够使粒子滤波满足实时性的计算要求,对于粒子滤波的实际应用具有重要的研究意义。(3)研究了基于Savage提出的二子样多速导航解算算法的并行结构,以便于硬件设计,最终完成了基于FPGA导航解算算法的硬件实现。基于设计的二子样导航解算算法硬件逻辑,提出了基于MEMS器件的初步的捷联惯导导航解算平台,包括IMU芯片ADIS16365、ML506开发板和上位机电脑。经实际测试,目前该平台已经能够完成IMU数据的采集、简单的数据处理和串口数据传输的任务。