GPS/DR组合定位系统本质上是非线性的。目前,应用于GPS/DR组合定位系统的非线性滤波方法主要是扩展卡尔曼滤波器(Extended Kalman Filter, EKF)。然而,扩展卡尔曼滤波存在滤波精度低、对系统模型误差和噪声统计特性的鲁棒性差和实际中难以实施等缺点,因此本文引入了一种非线性滤波算法-Sigma点卡尔曼滤波(Sigma Point Kalman Filter, SPKF)。SPKF滤波无需对非线性系统进行线性化近似,避免了线性化误差的引入和雅克比矩阵的计算,其实用性和滤波估计精度都要优于传统的扩展卡尔曼滤波。随着非线性滤波应用范围的不断扩展,实际组合定位系统往往表现出以往不具有的特性,如：噪声相关、模型不确定等。传统的SPKF算法应对模型不确定性的鲁棒性很差,而且其是在系统噪声与量测噪声不相关的条件下建立的。因此,与EKF相同,传统的SPKF也已经无法满足组合定位系统的要求了。针对上述提到的SPKF算法存在的理论局限性,本文提出了STF-SPKF-CN算法。首先,考虑过程噪声和量测噪声相关情况下的系统,给出了可应用与该系统下的SPKF-CN滤波算法。其次,将渐消因子引入我们提出的SPKF-CN算法,通过在线调整滤波增益阵增强了SPKF-CN滤波算法应对模型不准和状态突变的能力,给出了可应用与噪声相关系统下的STF-SPKF-CN算法。该算法不仅保留了STF应对模型不确定性的强鲁棒性,而且还融合了SPKF滤波估计精度高的优点,是噪声相关系统的STF与SPKF算法的完美组合。同时,将上述提出的非线性SPKF滤波理论创新成果应用于GPS/DR组合定位中。仿真结果表明：本文提出的STF-SPKF-CN算法满足了组合定位中高精度和高可靠性的要求。