随着北斗卫星导航系统（BeiDou Navigation Satellite System,BDS）、无人驾驶产业的飞速发展，低成本、高精度、高稳定性的车载导航系统一直是国内外学者和工程师们的研究热点。相比于传统松组合系统，基于全球卫星导航系统（Global Navigation Satellite System,GNSS）与微机电惯性测量单元（Micro-Electro-Mechanical SystemInertial Measurement Unit,MEMS IMU）的紧组合导航系统灵活轻便，输出精度和频率稳定，即使在少于四颗卫星时也能继续工作。本文在此背景下，对紧组合导航相关算法进行研究，并设计完成了低成本双模GNSS/SINS车载紧组合导航系统。　　本文首先介绍了惯性导航、卫星导航的基本原理和常用解算方法，讨论了各自的优缺点和误差来源。根据定位参数估计需求和系统误差传播方程，对系统进行了误差建模，分析了用于数据融合的卡尔曼滤波算法以及滤波器状态参数的补偿方法，为搭建系统组合导航滤波器提供理论依据。　　然后，根据卫星定位和惯性系统的误差模型，本文完成了紧组合导航系统的离散扩展卡尔曼滤波器（Extended Kalman Filter,EKF）设计，讨论了车辆运动学约束、GNSS双天线和其他车辆传感器的基本模型和对组合导航系统的辅助方法。为解决算法层面的时间同步问题，本文针对GNSS和捷联惯导系统（Strapdown Inertial Navigation System,SINS）器件的不同输出频率，结合自适应算法处理时变噪声的情况，提出并验证了基于时间同步的双速率卡尔曼滤波算法。通过车载轨迹发生器，本文对多种情况下的松/紧组合导航算法进行了仿真和对比，分析了不同传感器辅助的数据融合方案。　　最后，本文将紧组合算法通过C语言移植到微软基础类库（Microsoft Foundation Classes,MFC）平台，增加了系统的异常检测和重构功能。根据对GNSS和SINS器件输出格式的分析，完成了对各子系统低成本传感器模块的选型，参照微处理器的最小系统结构，设计完成了组合导航解算电路板。在完成硬件平台测试后，本文还进行了雪地环境的卫星捕获测试，以及低速实验和跑车实验的实际算法验证。实验证明，本文中系统采用的GNSS/SINS紧组合导航算法能够在实际环境中达到车载定位精度要求，具有比传统松组合更高的稳定性。