当今军民领域中,高空太阳能无人机具有续航时间长、应用前景广泛等优势,已成为众多国家的研究热点。在飞行过程中,高精度的导航系统能为无人机的飞行任务提供可靠的性能保障。但是,高空飞行环境的特性未知,导航元件可能出现故障,这会降低导航系统解算结果的准确性和可靠性,影响空中飞行任务。围绕上述需求背景,本文针对高空太阳能无人机的组合导航系统,研究了高性能的非线性鲁棒滤波算法,并设计了基于多传感器的组合导航系统车载实验,用于检验所提算法的性能。主要工作如下:（1）为了改善无人机导航系统的可靠性和精度,提出了基于联邦融合结构的捷联惯性导航系统/全球定位系统/北斗卫星导航系统（SINS/GPS/BDS）动基座对准模型和捷联惯性导航系统/全球定位系统/北斗卫星导航系统/天文导航系统（SINS/GPS/BDS/CNS）组合导航系统滤波模型。将SINS的导航解算值分别与其它导航系统的量测输出值组合形成局部滤波子系统,采用滤波算法得到各子系统的滤波估计值;将各子系统的状态估计值和协方差输入故障检测模块并计算对应的故障检测值;然后,利用分配函数计算各子系统的权重,并在主滤波器中完成全局状态估计;将全局状态估计值反馈到各局部滤波子系统,同时对SINS进行补偿,降低SINS的解算误差,得到准确的导航信息;采用联邦融合结构有助于降低故障信息对导航精度的影响,提高系统可靠性。（2）针对无人机在飞行过程中对动基座对准精度和计算实时性的性能需求,提出了一种基于鲁棒H?-容积卡尔曼/卡尔曼混合滤波的空中动基座对准算法。基于双滤波算法的思想,将动基座对准系统的滤波模型分解为非线性状态部分和线性状态部分,分别采用CKF算法和KF算法进行并行状态估计,能减少非线性采样点个数,有效提高采样点的利用率和计算效率;结合H?鲁棒滤波技术,可约束外界干扰、系统不确定性对滤波过程的影响,改善动基座对准系统的对准精度和抗干扰性。通过离散李雅普诺夫函数,证明了所提算法的随机稳定性。仿真结果表明,所提算法能减少动基座对准过程的计算量,提高对准精度,并降低外界干扰的影响。（3）针对高精度非线性滤波算法带来的计算负担以及外界异常量测值和非高斯分布量测噪声降低滤波精度的问题,提出了一种基于非线性度量测值（Mo NL）的鲁棒自适应容积卡尔曼滤波的组合导航算法。根据容积规则的积分特性,通过组合不同精度水平的球面规则和径向规则可得到高阶和低阶容积规则;采用基于局部测量方法的非线性度评估函数分别计算系统状态方程和量测方程的Mo NL,根据阈值比较结果,选择合适的容积规则进行滤波过程,在较少的计算负担下,得到高精度的滤波结果;M-估计方法的引入,能够将异常量测值和非高斯分布量测噪声融入量测更新中,通过更新量测噪声协方差来增强算法鲁棒性,调节Mo NL变化曲线,有助于容积规则的合理选择,改善异常情况下的解算精度和计算实时性。通过离散李雅普诺夫函数,证明了算法的随机稳定性。仿真结果表明,当出现异常量测值或者量测噪声不满足高斯分布时,所提组合导航算法能够以较低的计算量获得较高的解算精度。（4）针对不确定环境下先验模型的不确定性和未知特性的量测噪声会降低组合导航系统解算精度的问题,提出了一种鲁棒容积平滑变结构滤波的组合导航算法。利用平滑变结构滤波的思想,并结合容积规则和平方根滤波框架,能减小滤波线性化误差,提高计算过程的正定性和对称性;同时,根据实时计算的状态估计误差,自适应地调节平滑子空间范围,改善滤波增益,约束模型不确定性的影响;结合变分贝叶斯策略和M-估计方法,能较为准确地估计出实时量测噪声特性,并降低异常量测值对滤波过程的影响。仿真结果表明,在较为复杂的应用环境中,所提组合导航算法能有效地提高解算精度。（5）为了验证本文所提算法的有效性,设计了地面车载实验用以检验动基座对准算法和组合导航系统滤波算法的性能。基于实验室已有的设备,采用多个导航传感器构建了SINS/GPS/BDS动基座对准系统和SINS/GPS/BDS/CNS组合导航系统的车载实验数据采集平台;利用SPAN-CPT作为导航基准元,可以精确地分析解算结果的误差特性;通过车载实验采集各系统的导航数据,进行在线解算,将结果通过串口传送给上位机,实时显示并存储数据。最后,对比解算结果与基准元的数据,检验本文所提算法的实际应用性能。