车辆定位是智能交通系统的一项重要技术,它关系着能否提高运输效率和增强运输安全。车辆定位有很多方法,全球定位系统是最常用的一种。全球定位系统具有操作简单、精度高、覆盖面广等优点,但在一些条件下却受到限制,需要与其他的定位方式配合。航位推算是一种简单的定位方式,它根据车辆的角速度、速度结合上一采样时刻的位置推算此时刻的位置。但航位推算中测量器件会带来测量误差,且该误差会随着时间积累。将全球定位系统与航位推算结合起来,能够克服彼此的缺点,很好地提高定位精度。全球定位系统/航位推算组合导航是现在比较常用的一种定位方式。全球定位系统/航位推算系统中一个很重要的问题就是数据融合方法的选择。常见的数据融合方法有扩展卡尔曼滤波、无迹卡尔曼滤波、联邦卡尔曼滤波等。本文提出改进的粒子滤波,并应用到全球定位系统/航位推算组合导航系统中,主要完成了以下工作:首先,介绍了车辆组合导航、数据融合技术的发展与现状;其次,介绍了组合导航的基础理论,包括组合导航误差的分析与模型的建立、卡尔曼滤波原理、扩展卡尔曼滤波、无迹卡尔曼滤波、粒子滤波基本原理等;然后,分析粒子滤波的缺点,研究相应的改进方法。针对粒子滤波计算量大的问题,在已有方法的基础上提出基于全局采样的扩展卡尔曼粒子滤波。为了选择更好的建议分布,提出与强跟踪滤波相结合的混合卡尔曼粒子滤波。将以上两者结合,提出基于全局采样的强跟踪混合卡尔曼粒子滤波方法并进行理论分析;随后,在MATLAB中,使用上面提出的改进算法与现有算法在建立的全球定位系统/航位推算模型上进行仿真。对上述多种算法的仿真结果,从东向位置误差、东向速度误差、北向位置误差、北向速度误差、时间消耗这几个方面进行比较,分析提出的改进算法的有效性;最后,对所做的工作进行总结,并对未来的研究进行展望。