随着新一代信息技术的飞速发展,高精度和高可靠性导航定位方面的需求也在日益增加。任何单一导航系统受其自身固有局限的影响,难以满足现代科技对导航系统性能的需求。由于组合导航系统具有取长补短、综合发挥各导航子系统的优点,研究多源传感器的组合导航定位技术,已成为导航定位领域研究和开发热点。本文以捷联惯性导航系统(SINS)为参考系统,在信息融合理论基础上,研究基于联邦滤波结构的多源组合导航系统关键技术,利用多传感器导航数据来消除SINS误差,提高系统定位性能。主要研究工作如下:(1)构建了以东北天坐标系为导航系的SINS/GNSS/DVL/气压计松组合导航模型,提出了一种自适应联邦强跟踪卡尔曼滤波(AFSTKF)算法,用于提高组合导航系统定位精度。在局部滤波器中,使用具有强鲁棒性的STF算法进行滤波估计;在主滤波器融合阶段,研究了一种新的信息融合算法,可以有效解决融合过程中的奇异值问题,并能有效降低计算复杂度;设计了一种基于预测残差统计特性的自适应信息分配算法用来提高子滤波器精度。最后,对AFSTKF在组合系统中的有效性进行了验证。(2)针对故障信息会影响导航系统性能的问题,研究了联邦滤波器中影响系统容错性的主要因素。研究表明,故障信息会影响融合结果,并通过反馈过程进一步影响无故障子滤波器,而信息分配系数对降低故障信息的影响有重要作用。为提升组合导航系统的滤波精度和容错性能,研究了一种基于多重渐消因子两级容错滤波算法。在该算法中,残差卡方检验用于判断当前子滤波器故障情况;子滤波器中多重渐消能够对多数据通道进行自适应调整,显著增强滤波精度;在主滤波器融合阶段,不将故障子滤波器估计信息送入融合过程,仅对无故障子滤波器估计结果进行融合,有利于对融合结果的容错性进行提升;在反馈阶段,设计了一种容错信息分配方法,可有效降低故障信息的干扰力度,增强全局估计对故障子滤波器的修正作用。最后,通过仿真实验,对所提容错算法的性能进行验证。