近年来,全球定位系统(GPS)和捷联惯导系统(SINS)的组合导航系统已经普遍应用于导航领域并且得到充分发展。为了提高导航系统的定位精度和抗干扰能力,论文对GPS/SINS组合导航系统进行了研究,并且着重探讨了其中的滤波算法。尽管常规卡尔曼滤波算法在组合导航中得到广泛使用,但它对系统模型和噪声统计特性要求较高。为解决这个问题,作者相继对自适应滤波、鲁棒滤波以及模糊理论等技术做了深入研究,并将它们应用到组合导航系统中。论文主要工作如下:1.论文在对SINS和GPS分别研究的基础上建立了GPS/SINS组合导航系统的数学模型,完成了组合导航系统中卡尔曼滤波器的设计,通过仿真实现了SINS和GPS的组合导航。2.针对常规卡尔曼滤波的不足,论文将简化的Sage-Husa自适应滤波算法和衰减因子自适应算法相结合,提出了一种改进的自适应算法。利用此算法对组合导航系统进行了仿真,结果表明改进的算法解决既能保证滤波的精度又能保证滤波的稳定性。3.论文阐述了H∞滤波理论,并利用H∞滤波算法具有鲁棒性的优点将它用于GPS/SINS组合导航系统中。仿真中设计了有色噪声以及系统模型参数存在误差两种环境,在此环境下和传统卡尔曼滤波器进行滤波性能比较,结果表明H∞算法能够解决噪声统计特性和模型参数不易确定的问题,有效地克服了卡尔曼滤波的缺点。4.论文将模糊理论与卡尔曼滤波相结合,提出了一种基于模糊理论在线自适应改变量测噪声方差阵的算法。在此算法中设计了一种自适应滤波器,它通过对残差的各个分量进行观测,应用多个模糊推理系统对量测噪声方差阵进行修正,使其逐渐逼近真实噪声特性。仿真结果表明该算法能够很好地适应噪声变化,提高了导航精度。