当今,科学技术正在迅猛发展,导航技术领域也得到了迅速发展,并已经被广泛应用到社会的各个领域,尤其是在军事领域比较成熟。目前常用的导航系统有:惯性导航系统(Inertial Navigation System,INS)、全球卫星导航系统(Global Position System,GPS)、多普勒计程仪(Doppler Velocity Log,DVL)。将多种导航传感器的优点进行融合,进行组合导航可以克服单一传感器的缺点。由于增加了传感器的数量,组合后的系统出现故障的可能性也将大大增加,所以,还必须在组合导航系统中,加入合适的故障检测环节,对导航子系统进行实时的故障检测和隔离,从而提高组合多传感器组合导航系统的容错性能。本文针对INS/GPS/DVL组合导航系进行容错方法的研究,将全球卫星导航系统,多普勒计程仪分别与惯性导航系统进行组合,采用联邦卡尔曼滤波技术进行全局的信息融合。在联邦卡尔曼滤波结构中分别设计了基于模型和基于数据驱动的故障检测方法:基于模型的检测方法有残差卡方故障检测和双状态卡方故障检测;基于数据驱动的检测方法是主元分析故障检测与辨识。通过这两种故障检测方法,实现对子滤波器实时的故障检测与隔离,提高导航系统整体的容错性能,从而提高系统的导航精度。首先,针对多传感器组合导航系统的基础理论进行了介绍。分析了组合导航系统理论,并对离散型卡尔曼理论,以及联邦卡尔曼滤波理论进行了推导。分析了惯性导航系统的工作原理以及误差模型,并对全球卫星导航系统和多普勒计程仪进行了介绍。然后,完成联邦卡尔曼滤波系统地建模与仿真设计。将惯性导航系统分别与全球卫星导航系统和多普勒计程仪进行组合设计,联邦卡尔曼滤波设计,并用MATLAB进行仿真。将单个组合与联邦卡尔曼组合进行对比分析,有反馈的联邦卡尔曼和无反馈的联邦卡尔曼进行对比分析。为提高系统的容错性能,在联邦卡尔曼滤波结构中加入基于模型的故障检测方法:残差卡方和双状态卡方故障检测,对其进行了仿真验证。最后,将基于主元分析的故障检测与辨识方法加入到联邦卡尔曼滤波结构中。分析了基于主元分析故障检测的工作过程:采用正常条件下的导航系统的数据建立主元模型,随后在线对系统进行故障检测,在故障发生后,采用基于贡献图法的故障辨识,实现对故障发生源的准确定位,并通过仿真验证了该方法的可行性。