随着自动驾驶和车联网的发展,对车载导航定位系统的性能要求越来越高。目前,车载导航往往使用多种导航系统进行组合以期提高导航精度和可靠性。GNSS和INS由于优势互补、低成本等优点,是最常用的组合导航方式,但是精度低、可靠性差的缺点限制了GNSS/INS的应用场景。因此,设计一款高精度、高可靠性、低成本的GNSS/INS组合导航系统具有重要的现实意义。本文具体工作内容如下:（1）针对单个IMU误差大、可靠性低的问题,提出了一种阵列式IMU误差补偿结构,并使用迭代重加权最小二乘法改进了EKF冗余融合算法。为降低IMU的随机误差、提高可靠性,设计了同轴反向、平行正交安装的阵列IMU硬件平台;结合硬件平台利用迭代重加权最小二乘算法分别对数据进行降维融合,解决了使用EKF算法进行融合时由于传感器数量多,导致矩阵维数高、求逆运算复杂的问题。仿真和实验结果表明,阵列IMU的随机误差比单个IMU降低了3～5倍;当出现离群测量值时,阵列IMU仍能保证较高的精度,提高了INS的可靠性。（2）针对低成本组合导航中使用的渐消卡尔曼滤波组合导航算法易受突变噪声干扰导致定位精度较低、鲁棒性差的问题,提出了一种基于不确定度理论改进的FKF组合导航算法。基于状态变量建立了低成本组合导航的系统方程和状态方程;基于动态测量不确定度理论对观测数据进行建模,然后根据监测系数和不确定度变化量自适应调节FKF组合导航算法的渐消因子和膨胀系数;利用Kitti数据集进行仿真实验,结果表明,本文改进的组合导航算法在突变噪声的干扰下精度高、鲁棒性好,与间接卡尔曼滤波、FKF算法相比,位置误差降低35%,总体速度误差降低32%,为低成本车载组合导航系统提供了一种精度优化方案。（3）设计了组合导航系统并进行了验证。首先,为验证本文提出的阵列IMU融合算法和组合导航算法的有效性,基于具有并行处理数据能力的FPGA和带有浮点运算能力的STM32F407构建了双处理器运算平台。然后,为满足算法对数据同步的需求,设计了并行数据采集电路对IMU和GNSS数据的同步采集与处理。最后,实验结果表明,阵列IMU初始零偏降低了8～10倍,随机误差降低了约3～4倍;阵列IMU与GNSS的组合导航系统在GNSS信号遮挡路段,与单IMU与GNSS的组合导航系统相比,精度提高了约45%,具有一定的工程应用前景。