八十年代末,随着GPS定位技术的广泛研究,它很快被应用到车辆定位与导航系统中。但是GPS定位系统仍存在着定位可靠性不高,精度有时较低的问题,另外车载GPS接收机的定位精度通常还会受到卫星信号状况和道路环境的影响。由陀螺仪和里程表组成的航位推算(DR)系统具有较好的自主性,但由于其时间长了以后,定位精度变的很低而不能单独使用。GPS/DR组合系统能够充分发挥各自的优势,特别是由压电晶体速率陀螺和里程表构成的DR系统,具有体积小、精度高、成本低等优点。GPS/DR组合定位系统是城市车辆导航的发展方向。本课题首先研究了GPS/DR车载定位系统的组合模型,然后在分析了非线性滤波的基础上,引入了粒子滤波。粒子滤波是一种基于递推计算的序列蒙特卡罗算法,它采用一组从概率密度函数上随机抽取的并附带相关权值的粒子集来逼近后验概率密度,从而不受非线性、非高斯问题的限制。虽然粒子滤波存在诸多优点,然而它仍然存在诸如粒子数匮乏、滤波性能不高、实时性差等问题。针对粒子滤波存在的上述问题,本文提出了一些改进算法:辅助粒子滤波算法、U-粒子滤波算法、强追踪粒子滤波算法。分别对这些改进算法进行分析说明,并将其应用于组合导航模型中,得到的仿真结果进一步表明,与普通粒子滤波算法相比,上述采用的几种改进算法使得系统可靠性大大提高。