为增加导航系统的定位精度和抗干扰能力，本文研究了 GPS/INS 组合导航中的信息融合问题。首先介绍了惯性导航系统（INS）和全球定位系统（GPS）的导航原理，说明了两者组合的必要性及组合方式，详细研究两系统信息融合算法，这对提高系统定位精度具有较为重要的理论意义和工程应用价值。 本文首先建立组合导航系统数学模型。针对卡尔曼滤波算法的缺陷，提出了基于模糊理论的自适应卡尔曼滤波法，对量测噪声统计特性进行了在线自适应调整，提高了滤波器精度，从结构上给出了分层滤波算法以减小主滤波器计算量。本文提出了模糊加权推理系统用于子滤波器的信息融合，此方法避免了矩阵求逆计算，减小了主滤波器中的计算量，结构简单，容易实现。由于组合导航系统的复杂性以及环境的不确定性，不可能建立精确的系统模型和获得过程噪声协方差阵 Q 及量侧噪声协方差阵 R，为此本文尝试性地用H_∞滤波算法于组合导航系统中，在未知 Q 和 R 以及非精确系统模型情况下它也能获得较好的估计精度，而这正弥补卡尔曼滤波的缺点，而且引入可变的γf 使得 H_∞滤波器性能被改善。由于不确定性干扰使数据采样中会存在野值，这些野值会大大降低整个系统的导航精度，本文提出了对新息乘以一个单调递减的加权函数的算法，能消除干扰的影响,滤波结果更为可靠、准确。最后对 GPS/INS 系统进行了仿真实验，实验结果验证了上述算法的可用性和有效性。