本文从高精度的惯性组合导航系统的实际需求出发，提出了基于多尺度估计理论的组合导航系统的研究课题，并对其进行了系统深入的研究。论文的主要工作有： 分析了单传感器单模型动态系统的多尺度估计理论，结合模型的动态系统分析和多尺度信号变换，研究了随机信号多尺度分解与估计联合算法。将该算法用于组合导航系统中，获得了比仅在单一尺度上估计要好的效果。 基于多传感器单模型动态系统的多尺度估计理论，研究了不同尺度上拥有不同统计特性的多尺度融合算法及多尺度分布式融合估计算法。多尺度融合算法是在尺度i上获得基于尺度N，N-1，…i上观测传感器的融合估计，算法是由细尺度到粗尺度运行的。分布式融合估计是在最细尺度N上获得基于所有尺度上传感器的融合估计结果，算法是先分解后重构的双向过程。为适应实际组合导航系统的需要，本文还提出了将多传感器观测系统的类型从单一类型扩展到多类型，使得多传感器多尺度估计理论具有更为广泛的应用。结合多尺度动态模型与多传感器观测系统，给出了一种多尺度递归状态融合估计算法，获得了基于全局观测信息的状态的融合估计。该算法由粗尺度向细尺度递推进行，估计结果是无偏的，并在方差最小意义下是最优的。组合导航系统仿真证明该算法能有效地提高系统估计精度。 在离散小波变换、动态系统理论及随机过程理论的基础上，建立了以尺度为变量的多尺度随机动态模型，并给出状态基于多尺度随机动态模型的数据融合算法，该算法能实现对状态基于全局观测信息的最优估计，可以在无状态模型情况下进行数据融合，适用于难以获得或获得的状态模型不精确的情况。将此方法用于陀螺信号处理中，通过对不同尺度下的陀螺观测值进行数据融合，陀螺输出信号的质量有明显的提高。 结合滑动中值滤波与小波去噪的方法提出滑动小波去噪的方法，该方法不但具有小波去噪的作用，同时还能保持系统的动态性能，适合实时动态系统的使用。将此方法用于组合系统中传感器的测量信号预处理，可进一步提高系统精度。