惯性导航系统本质上是非线性的,而采用低精度惯性器件将导致组合导航系统的严重非线性。常用的线性误差模型都是在假设姿态误差角是小量的情况下得到的,由于忽略了高阶项,所以当存在较大的导航误差时,线性化误差方程就不能精确地描述系统的非线性特性。而直接采用非线性模型研究IMU/GPS组合导航问题,不仅能更准确地描述系统特性,而且不需要很多约束条件。本文系统地研究了UKF非线性模型的处理算法,并基于此成功的应用于IMU/GPS组合导航系统的数据融合处理中。现把本文完成的主要内容和创新点概括如下：1、概括介绍了Kalman滤波的发展过程,对国内外Kalman滤波研究进展进行简要讨论。2、分析讨论了Kalman滤波原理和UKF非线性递推算法。并针对系统状态噪声和观测噪声为加性时,研究了UKF的改良算法。3、通过实测计算,指出了在非线性较强的IMU/GPS组合导航系统的数据处理过程中,选择UKF方法比EKF(IEKF)更具有优越性。4、针对姿态误差角对导航解的影响进行了实测数据计算分析比较。结果表明观测量中没有使用姿态误差角值情况下一般会降低了模型信息使用效率,并且在Kalman滤波计算时姿态角的结果易发散；但在观测量中加入从GPS信息中提取的姿态误差角信息,从而更好地抑制模型误差的影响,能使计算结果收敛更快,相应的精度更高。5、设计了IMU/GPS组合导航系统的无迹Kalman滤波器,利用实测数据进行了验算。