车载导航系统是智能交通系统(ITS)的核心内容之一，而车辆定位又是车载导航系统最基本的任务。基于全球定位系统(GPS)和航位推算(DR)的组合定位是目前车辆定位最理想的方式之一，论文围绕基于此方式的车辆定位问题，提出和改进了一些定位算法，并进行了算法实现和软硬件开发。完成的主要工作包括： 1．分析了GPS与DR在车载导航系统中组合的必要性，组合的特点和方式，并建立了基于此组合方式的系统动态模型； 2．设计了一种简化联邦滤波器的联合卡尔曼滤波器，实现了快速、准确、容错性强的分散式卡尔曼滤波，并通过仿真实验进行了验证： 3．在联合卡尔曼滤波器中，引入模糊控制器，依据卡尔曼滤波残差偏离程度，调整卡尔曼滤波的增益，以提高各子滤波器的噪声消除能力和定位精度，并抑制发散；进一步，利用各自滤波器的滤波精度，直接调整各滤波器的信息分配系数，从而获得最优信息融合；实验仿真反映了模糊控制器对卡尔曼滤波的改进和优化效果； 4．针对传统卡尔曼滤波在非线性系统状态估计中的不足，将一种全新的SPKF系列方法应用于车载组合导航，其利用线性统计回归技术实现系统的线性化，基于此设计的滤波算法避免了计算复杂的雅可比阵，也实现了系统更高的定位精度和抗干扰能力；仿真实验也证明这是一种更理想的非线性车载导航系统的滤波方法： 5．如何利用不连续性、不确定性的状态变化构造动态样本，是制约神经网络用于车载导航系统的状态估计的主要障碍。本文结合卡尔曼滤波器，设计了一种混杂结构的递归神经网络，通过离线逼近和在线调整两个阶段实现了基于观测量的实时状态估计输出，具有很高的精度和稳定性，仿真实验也证明了其优越性和可行性； 6．设计了车载导航系统的信息平台，实现了电子地图和相关引擎的开发，完成了定位显示、路径规划和地图查询等功能，为商业化的车载导航设备提供了一套完整的软件解决方案。