将捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)与全球定位导航系统(Global Positioning System,GPS)输出进行数据融合,得到性能更好的组合系统是当前导航领域发展的主流方向之一。无迹卡尔曼滤波滤波器(Unscented Kalman Filter,UKF)作为数据融合算法的一种,其在Kalman滤波框架下,用无迹变换(Unscented Transformation,UT)替代了将非线性函数线性化的传统做法,使系统受到极小的线性化误差影响,获得了较高的计算精度。因此,从UKF被提出后,便在工程上得到广泛应用。其次,在本文所研究的SINS/GPS紧组合系统中,以GPS接收机提供的伪距与伪距率参与系统校正,导航星座选取的速度与准确性将直接影响校正的效果。综上,本文将从GPS选星算法与SINS/GPS组合系统数据融合算法两个主要方面开展研究,工作内容如下:首先,本文从导航参考坐标系、常用导航参数及意义和捷联惯导基本原理出发,推导了捷联惯导解算方程,并简述了GPS导航系统的基本原理及主要误差来源。之后对非线性卡尔曼的基本原理进行了介绍,并详细探讨了其在组合导航系统中不同应用方式下的优缺点。其次,针对GPS系统,着重介绍了GPS的精度因子并分析了卫星几何分布对定位精度的影响,探讨了传统选星算法的性能优劣,接着依据星历信息对GPS可见卫星个数进行仿真。在可见卫星数较多时,传统选星算法计算量大的问题将会加剧,对此提出了一种新的快速选星策略,并通过matlab星历仿真,结合最优星座组合及其几何精度因子值进行比较,验证所提出算法的有效性。再次,本文详细介绍了UKF算法,并重点研究了不同采样策略获取的Sigma点对UKF算法的影响。为了在保证滤波精度前提下提高滤波算法实时性,采用最小偏度单形采样方式替代传统的对称采样,并引入自适应的比例缩放因子对UT变换采样过程实时修正。最后针对系统状态方程为线性的情况下,UKF算法的时间更新过程中引入KF算法的简洁形式,避免了传统UKF算法在时间更新过程中因UT变换产生额外计算。然后通过matlab仿真,并与EKF(Extended Kalman Filter,EKF)、传统UKF算法对比,验证改进的自适应比例单形采样无迹卡尔曼滤波(Adaptive Scaled Modified Unscented Kalman Filter,ASMUFK)在实时性与精度方面的性能。最后,建立了SINS/GPS紧组合系统模型,包括适用于EKF算法的量测方程以及适用于UKF算法的非线性量测方程,结合选星算法内容,并运用EKF算法、传统UKF算法与改进ASMUKF算法进行matlab仿真,通过在组合导航系统中的应用,证明改进ASMUKF算法在组合导航高维系统中的优良特性以及改进选星算法在提升系统实时性方面的效果。