北斗卫星导航系统（BDS）是我国自主可控的全球卫星导航系统,其定位误差较小且不会随着时间积累,但在复杂环境中工作时,卫星信号往往容易受到干扰或者被遮挡,且输出频率低,导致短期定位精度较差。而惯性导航系统（INS）的动态性能好,不易受到外界因素影响,且输出频率高。因此BDS与INS系统之间互补能力较强,在组合导航系统中,通常利用BDS输出数据来修正INS系统因长时间误差积累导致精度变差的问题,目前组合导航技术在各行各业中应用越来越广泛,在测绘、军事和自动驾驶等应用中有着巨大的价值。本文的主要内容和创新点如下:（1）本文首先介绍惯性导航系统、北斗以及BDS/INS组合导航系统的基本知识,以及各自的优缺点,然后介绍了组合导航系统的定位原理和误差来源,建立了BDS/SINS组合导航系统模型。通过对运动载体轨迹的模拟设计,模拟出在不同运动条件下的组合导航数据信息,提供了一个实验平台。（2）针对标准卡尔曼滤波和Sage-Husa自适应卡尔曼滤波都不能同时满足实时在线估计状态量测噪声阵和抑制滤波发散的问题,提出了一种改进的Sage-Husa自适应卡尔曼滤波算法。在检测到量测异常时,在协方差匹配技术的最严格收敛判断条件下,计算出次优滤波方法中新的状态估计均方误差阵的加权系数,通过新的状态估计均方误差阵对原来的状态估计均方误差阵进行修正,能有效抑制了滤波器的发散。通过实验证明,Sage-Husa自适应滤波算法在复杂环境下有着较好的稳定性与可靠性。（3）针对系统模型不确定性的非线性系统估计问题,提出了一种改进的无迹卡尔曼滤波算法。在滤波过程中对系统模型进行不确定性判断,从而来处理非线性系统的状态估值问题。当判断是不确定性模型时,先在状态均方误差阵中引入次优渐消因子,然后利用新的状态估计均方误差阵对原来的状态估计均方误差阵进行修正,减少历史信息的的权重;而当系统模型是确定性时,采用标准无迹卡尔曼滤波的方法进行最优滤波,避免滤波器滤波精度的损失。最后将改进的算法与UKF算法进行比较,验证了改进的UKF算法对系统模型不确定性的鲁棒性和优势。