目前卡尔曼滤波已成为了导航数据处理的主流技术,各种基于卡尔曼滤波的新算法不断涌现。标准卡尔曼滤波必须精确知道动态系统模型和观测模型以及驱动噪声和观测噪声的统计特性。由于对系统认识不全面,或简化模型,使得建立的模型与实际的动态系统不相符。而且,要获取精确的噪声统计特性也是很困难的。因此,对建立的动态模型滤波时,往往会出现发散的问题:1.本文通过对INS、GPS进行建模和仿真,分析了导致INS模型滤波发散的具体原因,指出一些已有的自适应滤波方法不一定能很好地抑制滤波发散。本文提出了一种非平稳建模的方法,并对相关问题进行了深入研究。2.主要研究了如何利用非平稳建模的方法来抑制INS模型的滤波发散。首先从动态系统的分类出发,建立起非平稳线性模型,生成了基于该模型的新的卡尔曼滤波算法。然后从这种算法中找到了导致滤波发散的因素,并将其在生成的算法中突显出来。在此基础上建立起一个预想具有平稳性的改进的非平稳线性模型。最后通过仿真实验验证了这种改进的卡尔曼滤波算法的确能够有效抑制INS模型的滤波发散。3.此外本文还将这种新算法应用到INS/GPS组合导航系统的数据融合方面。通过具体的仿真实验证明了改进的滤波算法不仅抑制了INS子系统局部滤波的发散,增加了其在全局最优估计中的权重,而且提高了全局最优滤波的估计精度。