针对高速无人机在高动态飞行过程中导航精度低、传统卡尔曼滤波发散等问题,本文深入研究了适合高动态飞行环境下的导航算法来提高无人机组合导航系统的抗干扰能力和导航精度。从无人机导航系统各子系统和传感器在高动态飞行过程中的测量特性着手进行分析,有针对性地对圆锥误差补偿算法和无人机高度通道解算两个方面进行了深入研究。最后重点研究了高动态环境下多传感器信息融合算法,并设计了自适应强、鲁棒性高和导航精度高的无人机组合导航信息融合算法。仿真和实验结果表明本课题提出的算法相比传统组合导航算法具有更高的抗干扰能力和导航精度。论文主要内容如下:(1)对应用于高速无人机组合导航系统的各子系统进行测量特性分析,探究其在无人机导航中面临的问题,并以此为依据,确定了圆锥误差补偿方法、高度方向互补滤波方案以及自适应强和高鲁棒性的信息融合算法。(2)展开对圆锥误差补偿算法的研究,详细推导了基于频率级数展开的圆锥误差补偿算法,并分析比较不同圆锥运动场景下的圆锥误差,在此基础上提出了基于器件匹配准则的圆锥补偿算法设计方法,为实际应用中圆锥误差补偿算法提供设计参考。最后,通过仿真检验此设计方法的有效性和精度。(3)研究无人机高度通道解算算法,提出基于垂直速度与高度的两级互补滤波算法。通过实验,验证了此算法不仅能得到动态性好而误差不随时间发散的高度信息,而且还能抑制垂直速度漂移。(4)研究高动态环境下SINS/GNSS组合导航信息融合算法,详细推导并分析了系统噪声方差阵与量测噪声方差阵的自适应估计方法、强跟踪滤波和H∞滤波三种滤波算法应用于在高动态环境下的具体表现,课题结合三种方法的思想提出一种强自适应滤波信息融合算法。(5)设计了四种高动态环境的仿真场景并进行了实际飞行试验,分别对比Kalman滤波、强跟踪滤波、H∞滤波和强自适应滤波的导航精度和抗干扰能力,验证了强自适应滤波相对于其它算法在高速无人机组合导航中的优越性。