基于微机电系统（Micro-Electro-Mechanical-System,MEMS）的惯性测量单元（Inertial Measurement Unit,IMU）因成本低、尺寸小以及功耗低等优势受到广泛关注,但由于其精度较低,因此基于MEMS的惯性导航系统精度性能还远远不能满足移动机器人、无人驾驶等各个领域的广泛需求,采用冗余技术来提高系统精度是探索方向之一。本课题以基于MEMS的冗余惯性导航系统信息融合问题为研究对象,对系统的冗余配置方案进行了探讨设计,研究了MEMS惯性元件的误差特性,建立了误差模型;基于系统特性提出了基于不变扩展卡尔曼滤波的融合-反馈联邦滤波信息融合方法,并进行了实验验证。本论文主要的研究工作和成果如下:（1）针对冗余惯性传感器的数目和几何配置对导航系统精度的影响问题,从误差理论和导航最优性角度,论证了冗余惯性传感器的数目和几何配置对导航系统精度的影响,确定基于冗余惯性导航系统的基本配置方案。（2）分析了MEMS惯性元件的基本误差种类和误差特性,针对常规随机误差模型无法满足MEMS惯性元件的随机误差特性的问题,提出了基于预测误差最小化的随机误差建模方法,建立了MEMS惯性元件的误差模型,实验结果验证了所提出方法的有效性。（3）针对MEMS冗余惯性导航系统信息融合中,系统的非线性特性以及计算负担、系统可靠性等问题,提出了基于不变扩展卡尔曼滤波的融合-反馈联邦滤波信息融合方法,实现了由多个IMU构成的MEMS冗余惯性导航系统的信息融合;设计了系统信息融合的联邦滤波结构和滤波算法,解决了非线性系统扩展卡尔曼滤波信息融合方法收敛困难、一致性难以保证等问题,保证了滤波器的收敛性;进行了仿真实验且实验结果表明,所提出方法是有效的可行的。（4）利用行人导航定位试验验证本文提出的信息融合方法。通过对比不同行走情况下的行人轨迹结算结果,分析了融合不同数目惯性测量单元情况下的定位误差情况。试验结果表明,采用本文所提出的基于不变扩展卡尔曼滤波的融合-反馈联邦滤波信息融合方有效提高了系统的导航定位精度,并且随着冗余惯性导航系统中冗余IMU数目的增加,系统的定位精度也随之提高,当冗余导航系统中冗余IMU数目为4个、8个、12个、16个和20个时,系统的定位精度相比于单个IMU分别提高了23.4%、38.3%、41.8%、44.7%和43.8%。实验验证了所提出方法的有效性。