伴随着现代科学技术的快速发展,人们在早期智能车辆道路系统(IVHS)的基础上,经过长期的研究与实验,终于开发出一种多学科交叉渗入并且应用极为广泛的电子信息系统——智能交通系统(ITS)。ITS是一个可以在大范围、多方位充分发挥作用的综合管理运输系统,它的主要工作原理是将现有的电子数据通讯技术、传感器技术、信息化处理技术、数字化电子控制技术以及计算机处理技术等有效地结合起来,并将它们运用到整个交通运输信息化管理系统。在智能交通系统的发展历程中,对组合定位系统的研究始终是一个备受瞩目的热点问题。当前使用最为广泛的是全球定位系统(GPS),但在一些复杂环境下,GPS系统的定位信号容易丢失,不能够满足使用者的要求,因此就需要辅助定位系统对其进行优势互补,达到提高定位精度的目的。近几年GPS/INS组合定位系统由于优越的性能和廉价的成本使其在海、陆、空等领域得到了广泛的应用。本文首先对GPS/INS组合定位系统进行了研究和分析,并讨论了GPS/INS组合定位系统的基本原理和数学模型,为下文的研究奠定了基础。在GPS/INS组合定位系统中,最为关键的技术是充当两个定位子系统的接口并起到数据融合作用的滤波器,本文重点讨论了卡尔曼滤波理论在GPS/INS组合定位系统中的应用问题,在对卡尔曼滤波理论进行简单分析和讨论之后,提出了将两种改进的滤波算法应用于GPS/INS组合定位系统。方面将改进的卡尔曼滤波算法(UKF)应用到GPS/INS组合定位系统中,构建了基于UKF算法的联合卡尔曼滤波器,并对各个子系统的滤波器和组合定位系统的主滤波器进行了设计,然后分析并建立了GPS/INS组合定位系统的状态方程和观测方程。通过计算机仿真比较,首先验证了GPS/INS组合定位系统的定位效果明显优于GPS单一定位的效果,其次验证了较常规卡尔曼滤波而言,基于UKF算法的联合卡尔曼滤波可以有效地减小GPS/INS组合定位系统的误差,从而提高系统的定位精度。另一方面为了进一步解决GPS/INS组合定位系统中的非线性问题,本文提出了一种新的滤波算法——区间平滑UKF算法,该算法主要是基于区间平滑理论,在UKF算法的基础上对规定区间内的系统状态估计值进行平滑处理,进而对滤波后的数据进行校正。经过仿真验证了区间平滑UKF算法可以有效地解决系统中的非线性问题,得到更加准确的状态估计值,可以使组合定位系统获得更高的精度。