车辆导航与定位系统已经融入到了人们的日常生活中,研究人员针对提高车载导航高精度化和低成本化还在做着努力。单一的惯性导航系统与卫星导航定位系统在很多情况下无法实现正常导航,因此航向与姿态参考系统和组合导航系统是车载导航定位系统的关键所在。航向与姿态参考系统中车辆姿态信息可用于车辆安全性检测,并用于组合导航定位系统中;组合导航系统中融合了多类传感器信息和系统信息,各类信息通过互补的方式,最终可以有效提高导航精度。本文主要研究工作如下:首先,归纳了惯性导航系统与姿态测量系统国内外研究现状,和基础理论知识。推导了速度、姿态、位置更新算法与误差状态模型。介绍了卡尔曼滤波在组合导航中的应用,推导了卡尔曼滤波时间更新和量测更新公式,并定义了常用坐标系与各类计算常量。其次,为了提高移动车辆姿态和航向参考系统的精度,由里程计(OD)辅助低成本的MARG(磁强计、陀螺仪和加速度计)传感器,设计了一种能够准确估算姿态的算法。使用十二参数椭球拟合法结合神经网络,对磁场测量值进行了补偿,解决了非正交误差,载波磁场干扰。利用里程计、MARG传感器和低通滤波器,剔除加速度计测量值中的有害噪声,获得准确的加速度值。设计了自适应卡尔曼滤波(AKF)算法,通过调整噪声矩阵,可以在不同的工况(静止、普通行驶、快加速、快减速、转弯)下自适应地调整滤波器增益。实验结果表明,AKF算法与参考值间俯仰、横滚和偏航角的平均误差为0.45°、0.61°、0.85°,验证了本文提出的姿态算法能够较好估计车辆姿态信息。最后,基于惯性导航系统与航姿参考系统,设计了 SINS/OD/MAG组合导航系统。为了实现多传感器信息融合,设计了自适应联邦卡尔曼滤波(AFKF)算法,它包含SINS/OD和SINS/MAG两个子系统,在车辆实际运行中,根据子系统精度自适应进行信息分配,使全局滤波具备自适应能力,设计实验与SINS/OD导航系统进行对比,证明了基于AFKF算法的SINS/OD/MAG组合导航系统定位精度相对较高,AFKF算法与参考值输出之间东向和北向速度均方误差分别为0.2139m/s和0.2219m/s,东向和北向位置均方误差分别为3.1325m和3.2437m。设计了车辆异常工况实验,搭建了集中式卡尔曼滤波CCKF)与AFKF算法进行对比分析,实验结果表明,当某一传感器信息发生较大突变时,AFKF算法可以有效抑制误差发散,具有高容错性和高可靠性。