导航技术是武器装备信息化的一项重要支撑技术。随着对信息化战争要求的日益提高,对高精度、高可靠、全自主、全天时的导航需求越来越迫切。SINS/CNS组合导航系统作为导航技术中的一个分支,由于其在精度、可靠性和自主性等性能方面的固有优势,在中远程导弹、飞机、卫星等航天领域发挥着不可或缺的作用。SINS/CNS组合导航是一个具有非线性不确定性等因素的多传感器数据融合问题,研究基于多测量设备的组合导航方案和适合处理非线性不确定性等因素的高性能导航方法是实现高性能导航定位的有效途径。本文以弹载平台为导航对象,针对SINS/CNS组合导航系统,从数据层、模型层、算法层及应用层等方面,系统地研究了提高其导航性能的方法,主要工作如下:在数据层上,针对实际组合导航系统中存在的传感器测量野值问题,从野值剔除类型、算法复杂度、野值剔除效率等方面综合分析了多种不同测量数据的野值处理方法,给出了最优的导航数据野值处理方法,即基于自适应门限的多点线性预报法。在模型层上,针对传统的SINS/CNS组合导航系统存在的位置误差累计问题,利用两个星敏感器和一个高度计增加新的测量信息,设计了SINS/CNS深组合导航方案,使其对加速度计的误差累积补偿,使导航系统满足系统可观测性要求,提高了导航目标的位置精度;针对陀螺仪与星敏感器的安装基准不一致问题,从理论上分析了二者在非同基准、非一体化设计等模式下的误差影响关系,并给出了最佳的星敏感器—陀螺仪同基准一体化安装结构。在算法层上,针对导航系统的非线性、不确定性和系统噪声的非高斯性等问题,设计了相应的基于模型误差和测量噪声抑制的导航滤波算法。包括:针对测量数据的野值以及测量噪声的非高斯性,采用基于极大相关熵准则的无迹卡尔曼滤波算法来处理测量模型的不确定性,利用影响函数从理论上证明了滤波算法的鲁棒性,有效抑制了非高斯测量噪声和测量野值对导航性能的影响;针对导航系统中存在的状态微扰问题,采用强跟踪无迹卡尔曼滤波算法,通过自适应渐消因子来实时调整状态估计协方差矩阵,有效抑制了因状态微扰造成的状态估计误差发散以及加速度累积偏差等问题。在应用层上,结合所研究的SINS/CNS深组合导航方案及高性能导航滤波算法,将其扩展应用于SINS/CNS深组合导航系统中存在多模型间状态相关情况下的导航问题,采用基于Kullback-Leibler散度改进的交互多模型卡尔曼导航方法,实现对导航目标的跟踪定位,并将自适应渐消因子卡尔曼滤波和极大相关熵卡尔曼滤波在多模型交互中进行多滤波融合,有效提高了同时存在状态模型不确定和测量模型不确定等条件下的导航定位精度,为SINS/CNS组合自主导航的实际应用提供了一定的理论及技术支撑。