多传感器信息融合技术通过对来自不同传感器的信息进行融合，从而获得更加全面的被测对象信息，做出正确的判断，提高系统的鲁棒性。本文研究的主要工作是基于多传感器信息融合的智能导航算法在车载组合导航系统中的应用。目前，随着导航定位技术的日渐成熟，社会的各个领域对导航技术都有着巨大的需求，组合导航技术已成为了主要的发展趋势。在本论文中，基于精度高、低成本角度考虑，选用GPS接收机、里程计和陀螺仪构建了多传感器组合导航系统，研究了智能导航算法在组合导航系统中的应用，对比了扩展卡尔曼滤波、粒子滤波以及改进的粒子滤波算法的定位精度。论文主要研究内容包括以下几部分：首先，本文介绍了车载导航技术以及多传感器信息融合技术的发展现状。通过对国内外汽车导航技术的分析研究，本文认为基于多传感器信息融合的导航是未来的研究方向。其次，研究了GPS和DR系统的工作原理以及误差来源，分析了在复杂环境中独立使用其中任何一种定位方式的局限性，验证了多传感器组合导航系统的优越性。然后根据车辆行驶的实际情况，建立了低成本的组合导航系统模型。再次，重点对多传感器信息融合算法进行了研究。建立了扩展卡尔曼滤波的数据融合模型，设计了基于扩展卡尔曼滤波的定位仿真实验，与经典的卡尔曼滤波相比，扩展卡尔曼滤波更适用于处理非线性系统。但是，应用扩展卡尔曼滤波时，需要对导航系统的空间模型进行线性化处理，在线性化的过程中易导致滤波结果出现较大误差。最后，基于扩展卡尔曼滤波线性化过程中易出现误差积累问题，本章提出了粒子滤波算法，明显提高了导航定位的精度。但是，在粒子滤波中易出现粒子集退化问题，基于此本文对算法进行了改进：首先，通过EKF更新粒子，产生服从高斯分布的重要性函数，更新粒子的过程中充分利用了观测信息，更接近真实值；其次，设定门限值，来表征粒子的退化程度，对大权值粒子的选择更合理。仿真结果表明，改进的粒子滤波算法优化了系统滤波性能。