INS与GNSS具有误差特性互补的特点,使得INS/GNSS组合导航系统极具应用价值。按照融合方式的不同,INS/GNSS组合可以划分为松组合、紧组合和深组合,其中深组合实现了INS与GNSS的相互辅助,可获得更高的导航精度、更好的动态适应性和抗干扰能力。论文面向高动态应用背景,基于所在课题组研制的国产微惯性/北斗深组合导航系统样机,针对影响系统性能的主要误差源及其抑制方法进行了深入研究,主要结论和创新点如下:(1)提出了基于解调失配角抑制的硅微陀螺温度误差抑制新方法,提高了陀螺的温度稳定性。该方法从抑制和消除微陀螺温度误差传递链路中关键中间参量的角度,提供了一条完全不同于传统温度补偿技术的新思路。深入分析了解调失配角的形成变化机理和温度敏感性。针对工作频率与驱动模态谐振频率不一致所导致的解调失配角,设计了高精度频率跟踪环路进行抑制。首次将Kalman滤波技术应用于硅微陀螺角速度解调中,有效分离了解调失配角所导致的陀螺输出误差,提高了微陀螺的温度稳定性。考虑到实际应用中噪声特性是未知的,引入自适应强跟踪Kalman滤波器设计思想,提高了系统的鲁棒性。仿真和实验结果证明了方法的有效性和优越性。实验结果表明,在100℃的温度变化范围内,传统解调方法的零偏变化了4.5950o/s,而采用新方法时零偏仅变化0.5086o/s,温度稳定性提高了近10倍。(2)深入研究了MIMU精度与接收机载波环跟踪性能的适配性,推导出了深组合系统中MIMU辅助的接收机载波环相位跟踪误差与MIMU精度之间的关系,给出了典型参数下满足环路跟踪需求的MIMU精度下界。结果显示:不考虑其它误差时,采用18Hz噪声带宽的三阶锁相环,稳定跟踪JPL高动态场景对MIMU精度的要求是加速度计零漂应小于29.72mg,陀螺零漂应小于490.44°/h。基于复合信号模拟器的半物理仿真结果证明了相关结论的正确性。(3)提出了一种基于扩展观测Kalman滤波的新型辅助结构(EMKF方法),降低了MIMU误差对载波环性能的影响。EMKF方法与传统结构的主要区别在于对辅助信息的使用方式不同,传统结构是将辅助信息叠加在环路多普勒估计量上,而EMKF方法将辅助信息扩展为Kalman滤波器的观测量。对于低精度MIMU,EMKF方法可以降低MIMU误差引起的辅助量误差对跟踪环路的影响,使环路跟踪性能优于传统辅助结构。理论和仿真均证明了其优越性,在典型高动态条件下,传统方法的失锁边界为:加速度计零偏稳定性约29.6mg,微陀螺零偏稳定性约296o/h,而EMKF方法的失锁边界为76.2mg和762o/h。(4)提出了一种利用接收机测量的载体加速度信息辅助计算载体航向角的新方法,并将其用于航向角误差阻尼,提高了组合导航系统的航向角精度。在已知载体加速度时,航向角可以利用加速度、组合导航系统输出的位置、速度、水平姿态角和加速度计测量的水平比力信息计算得到,这与惯导利用陀螺输出进行姿态更新获取的航向角在很大程度上是独立的,因此可作为组合导航系统航向角误差阻尼的信息源。借鉴惯性/卫星/磁强计组合方式,将由加速度导出的航向角作为组合滤波器的观测量,可提高航向角误差的可观性,进而提高深组合系统航向角精度。基于复合信号模拟器的半物理仿真测试和车载测试均证明了方法的有效性,车载测试结果表明,航向角误差标准差从2.53°降至0.45°。