初始对准作为捷联惯导系统的关键技术之一,对准精度直接影响系统的导航定位精度,对准时间决定导航系统的启动速度。近年来,随着对运载器导航精度、启动快速性以及环境适应性等多方面要求的提升,组合对准成为初始对准技术发展的重要方向之一。其中,SINS/GPS组合对准应用最为广泛。在实际应用中,受限于系统惯性器件自身的测量误差、系统建模误差以及外界环境的恶劣性等因素,SINS/GPS组合对准系统经惯性系粗对准后得到的方位失准角较大,系统具有较强的非线性、时变性和模型不确定性,不满足卡尔曼滤波的适用条件。因此,精对准阶段需要建立基于大方位失准角的非线性误差模型,并采用非线性滤波方法进行初始对准。系统状态的可观测性一定程度上能够反映滤波状态估计的速度与精度,进而影响系统对准性能的好坏。因此,在进行滤波算法设计之前,必须先进行系统的可观测性分析。本文基于大方位失准角下建立的SINS/GPS组合对准系统误差模型,采用分段线性定常系统的奇异值分解方法,对不同运动条件、不同观测量下的非线性系统可测性进行定性、定量分析,进一步优化SINS/GPS组合对准系统非线性误差模型。考虑到传统非线性滤波要求协方差阵保持正定性、对称性等特殊要求,本文主要对平方根形式的非线性滤波进行研究。通过将平方根无迹卡尔曼滤波、平方根容积卡尔曼滤波分别引入SINS/GPS组合对准中进行性能比较得到,对于高阶系统,采用平方根容积卡尔曼滤波得到的方位对准精度更高,故接下来将重点以平方根容积卡尔曼滤波为代表对非线性滤波进行优化改进。非线性滤波对系统要求严格,在系统模型不准确或噪声统计特性未知两种特殊情况下易导致滤波精度下降甚至发散。基于此,分别设计改进非线性时变噪声统计估计器和改进强跟踪滤波器来加以解决。前者基于Sage-Husa自适应滤波,能够实时调整噪声统计特性矩阵,提高系统的自适应能力;后者基于强跟踪滤波原理,在状态预测方差阵的平方根更新中引入多重渐消因子矩阵来实时调整滤波增益,提高系统在模型失配情况下的鲁棒性。基于上述非线性滤波算法改进,针对两种特殊情况,分别设计自适应平方根容积卡尔曼滤波、强跟踪平方根容积卡尔曼滤波和改进的强跟踪自适应平方根容积卡尔曼滤波三种滤波算法,并将其应用于SINS/GPS组合对准中进行对准性能验证与比较。仿真结果表明,在系统模型不准确和噪声统计特性未知情况下,采用上述改进的平方根容积卡尔曼滤波算法进行大方位失准角下的组合对准,方位对准精度明显提高。