随着机器人技术的快速发展,移动机器人被越来越多地应用于国民经济建设的各个领域。在移动机器人涉及的多项技术中,其导航定位系统业已成为学者们的研究热点。在室内复杂环境下,常规的无线定位技术难以同时满足系统定位精度和可靠性的需求,研究新型高可靠、高精度的室内机器人定位系统成为室内定位亟待解决的问题。本文以INS/WSN组合导航系统为研究对象,对系统的模型设计及信息融合算法进行了研究,系统地分析了不同的模型以及不同的信息融合滤波算法对INS/WSN组合导航定位精度的影响。在INS/WSN松组合架构下,本文通过对多模型理论的研究,分别提出了基于交互多模型的滤波方法、基于模型切换的滤波方法以及基于模型集切换的滤波方法,并引入强跟踪滤波器以提高INS/WSN滤波模型的鲁棒性。与基于单个模型的滤波方法相比,基于交互多模型的滤波方法能在一定程度上提高对移动机器人的定位精度,但当移动机器人的运动模式改变时,系统模型集中与之匹配的有效模型并没有得到及时地切换,这会影响该滤波方法的定位精度。为解决上述问题,本文提出了一种基于模型切换的滤波方法,其采用加速度统计信息作为特征量来选取与移动机器人运动模式相匹配的系统模型。进一步地,为了减轻未知系统噪声造成的先验模型与真实模型之间的不匹配程度,本文提出了基于模型集切换的滤波方法。仿真实验结果表明,在三种INS/WSN松组合滤波方法中,基于模型切换的滤波方法的计算量最小,基于模型集切换的滤波方法的定位精度最高。最后,为了提高系统的鲁棒性,本文将强跟踪滤波器应用到了INS/WSN松组合导航算法中,仿真实验结果表明,在模型集相同的情况下,强跟踪滤波器的滤波精度要优于标准卡尔曼滤波器的滤波精度。在INS/WSN紧组合架构下,沿着与INS/WSN松组合架构下同样的算法设计思路,将上述三种滤波方法应用到了INS/WSN紧组合架构中,并获得了与在松组合架构下一致的结论。进一步地,为了减小扩展卡尔曼滤波器存在的非线性逼近误差,本文将无迹卡尔曼滤波器应用到了INS/WSN紧组合导航算法中,以提高INS/WSN紧组合算法的性能。为了分析INS/WSN组合导航算法在实际场景中的性能,本文设计了以DSP为核心的嵌入式系统,并将INS/WSN组合导航算法移植到该硬件平台上进行实验验证。实验结果表明,本文提出的INS/WSN导航算法在实际应用中有一定的可行性与有效性,设计的INS/WSN组合导航系统能够对移动机器人进行实时地定位,位置定位精度能达到12cm,这对设计室内移动机器人的可靠导航系统具有较大的借鉴意义。