陆基平台XXXX系统既是战争中对敌进行打击的重要力量,也是敌方的重点攻击对象。现代战争的突发性和复杂性,要求陆基XX装备具备快速反应能力和长周期、大范围机动下的无依托随机发射能力,因此对陆基XX装备的精准自主定位能力提出了较高的要求。基于单信息源的定位技术不具备良好的鲁棒性与可靠性,随着量测技术的发展,基于多源融合的定位算法可利用各信息源的量测优势,实现信息的优势互补,构成多冗余、高精度的车载定位系统,能在复杂环境(含电磁环境)下自主完成高精度定位任务,为陆基XX系统无依托随机发射并准确攻击目标提供了技术保障。论文以车载捷联惯导为核心,结合了多种定位信息源,以提高陆基XXXX系统的定位精度和复杂环境适应能力为目的,对多源信息融合车载定位技术进行了研究。研究的主要内容和成果有:(1)提出了一种开放式多源信息融合算法架构。算法架构以捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)为主参考系统,分别与其他定位信息源组成子滤波器。对子滤波器的输出结果进行故障诊断,由重构机制决定是否采用子滤波的数据融合结果。将定位信息源按信号输出特性划分为三类,信号以固定频率发送的信息源、信号异步输出且间隔较短的信息源、信号异步输出且间隔较长的信息源。并采用相应的数据融合方法分类进行信息源的数据融合处理。(2)采用联邦卡尔曼滤波器融合了第一类定位信息源的数据。以SINS为主参考系统,分别与其它信息源组成子滤波器,子滤波器的输出结果经故障诊断和系统重构后,进入主滤波器进行信息融合。各子滤波器独立滤波、互不影响,提高了算法框架的扩展能力与容错性能。通过仿真试验和跑车试验,结果表明:相较于传统的集中式卡尔曼滤波算法,该算法的误差状态维数较低,具有鲁棒性。且在信息源出现故障时,算法仍能保持系统的定位精度。提高了车载定位系统的环境适应能力,保证了车载定位系统的性能稳定性。(3)采用基于因子图的异步非等间隔信息融合算法融合了第二类定位信息源的数据。采用因子图关联系统状态模型与观测模型,基于最小方差估计进行状态估计,对量测信息进行序贯处理,有效解决了传统非等间隔数据融合算法存在的拟合误差,以及信息源的即插即用问题。对异步非等间隔信息融合算法进行了仿真,结果表明:与采用GMNS信息直接校正惯导位置的校正方法相比,异步非等间隔信息融合算法的定位误差减少了30%。此外,进行了实车试验,试验进一步验证了该算法的定位精度,并解决了车载定位信息源的即插即用问题。(4)采用基于位置信息的捷联惯导系统综合校正技术融合了第三类信息源的数据。针对以地标为代表的第三类信息源采用位置综合校正算法,利用间歇获得的外部位置信息,建立了陀螺漂移与方位误差的误差传递模型,利用最小二乘法估计出陀螺漂移并进行误差补偿。充分利用了以地标为代表的第三类信息源,显著提高了捷联惯性导航系统的长时间定位精度。(5)针对论文提出的开放式多源信息融合整体算法架构进行了仿真分析与实车试验。将联邦卡尔曼滤波算法、基于因子图的异步数据融合算法,基于位置的综合校正算法综合运用。仿真分析表明:论文提出的算法可融合多种类型的定位信息源,数据融合后的定位精度与融合时定位精度最高的定位子系统一致,实车试验表明:论文提出的算法可融合多种类型的定位信息源,明显改善了传统组合定位算法误差发散的缺陷,在长时间、大范围机动过程中将定位误差控制在一定范围内,具备良好的故障诊断与系统重构能力,实现了定位信息源的“即插即用”。