动基座初始对准为运动中的惯性导航系统（INS）提供初值,因此在惯性导航系统中具有重要作用。动基座初始对准技术是近年来的研究热点,本文针对惯性测量单元（IMU）的噪声与对准算法精度对初始对准的影响,研究基于优化方法的GPS辅助动基座初始对准以提高初始对准性能。本文首先分别设计了用于减小系统误差与随机误差的标定方法与小波滤波器,在此基础上提出了两种改进的初始对准算法,从而提高了对准的精度,降低了算法的计算复杂度与计算时间。本文工作主要包括如下几个方面:首先,本文提出了一种无需外部设备的IMU现场标定方法。该方法使用广义非线性最小二乘方法（GNLS）对确定性误差进行估计,该方法与传统的基于Levenberg-Marquardt（LM）方法以及基于Gauss-Newton（GN）方法进行了比较,比较结果表明本文所提出的基于GNLS的校准方法在精度和收敛速度上更优。进一步通过将本文提出的算法应用于两种不同的加速度计中,验证了该方法的有效性。其次,本文设计了一种用于惯性测量组件（IMU）传感器数据预处理的实时多级离散小波分解滤波器,该滤波方法有效地降低了IMU测量过程中的随机误差,从而为基于优化的对准方法（OBA）提供了更加可靠的IMU数据。之后,本文提出了一种基于快速最优姿态矩阵（FOAM）和小波滤波的GPS辅助动基座初始对准算法。该方法利用FOAM计算载体坐标系到导航坐标系的姿态矩阵,与现有的OBA算法相比,具有更高的鲁棒性与更快的计算速度。在此基础上本文设计了仿真系统并进行车载实验,仿真测试结果与实验结果表明本文提出的方法有效地提高了对准的精度与速度。最后,本文设计了一种基于扩展卡尔曼滤波（EKF）与优化方法融合的初始对准方法。通过使用EKF对陀螺仪的漂移、加速度计的偏差以及位置和速度误差进行估计,并将误差补偿后的测量结果用于基于优化方法的初始对准中。在OBA算法基础上进一步设计了递归四元数估计方法（REQUEST）用于估计载体坐标到导航坐标的初始姿态矩阵。仿真实验表明,与常用的q方法相比,基于REQUEST的方法具有更高的初始对准精度。本文针对GPS辅助动基座初始对准方法进行研究,其研究结果为进一步研究GPS动基座初始对准技术奠定基础。