组合导航系统通常采用Kalman滤波来实现多个导航系统的数据融合,但系统模型误差以及不确定性干扰限制了Kalman滤波器的工程应用。针对此问题,论文对以惯性为主的组合导航系统中的自适应滤波算法进行了研究。论文研究了自适应Kalman滤波算法,提出了改进的Sage自适应滤波算法和分类因子自适应滤波算法,以解决Kalman滤波在实际工程应用中估计精度下降的问题;为降低Kalman滤波器的计算量及对内存空间的要求,论文对状态偏差解耦的Kalman滤波算法进行了研究,并将改进的分类因子自适应算法与偏差解耦算法相结合,提出了基于偏差解耦的自适应Kalman滤波算法。通过数字仿真和实际跑车数据测试,验证了各种算法的有效性。针对多普勒/惯性组合导航系统无法建立相对精确的滤波器模型问题,论文进行多普勒/惯性组合导航系统的H_∞滤波算法研究,提出了基于渐消因子的自适应H_∞滤波算法,采用实测数据对两种算法进行了可行性和有效性验证。针对Kalman滤波器在初始对准实际应用中精度低、稳定性差的问题,根据初始对准的特点提出了基于模糊逻辑推理的复合自适应Kalman滤波算法。该算法采用衰减记忆法利用新息实时估计系统噪声方差阵,并用模糊推理得到的自适应因子调节滤波增益阵和系统噪声阵。仿真验证了该算法能提高滤波器的鲁棒性,保证了滤波精度。在对GPS/SINS组合导航系统模型及导航算法研究分析的基础上,基于微小型导航计算机平台进行了组合导航系统自适应滤波算法的软件设计与开发,并采用实际IMU和GPS数据对软件进行测试,验证了算法软件的正确性。