本文对GPS/INS组合导航数据处理的算法进行了较系统研究，内容涵盖GPS/INS组合导航的基本原理、Kalman滤波先验随机模型误差的影响分析、组合导航中观测异常及动力学模型异常影响控制、非差精密单点定位与INS组合导航以及载波相位时间差分改善GPS/INS紧组合速度估计精度等方面的研究，论文的主要工作和创新点概括如下：1、总结了GPS/INS组合导航数据处理的基本原理，分别介绍了GPS和INS导航数据处理方法，并简单介绍INS导航常用的坐标系以及不同坐标系之间的转换，详细给出INS的地固系中的解算过程和GPS/INS组合导航的滤波模型。2、简单介绍Kalman滤波以及抗差自适应Kalman滤波的基本原理，着重分析了先验随机模型误差对Kalman滤波解的影响，分别对先验状态噪声协方差阵、先验观测噪声协方差阵以及先验状态参数协方差阵以及上述矩阵中部分元素存在误差情况进行了分析。计算结果表明，Kalman滤波的先验随机模型在滤波过程中有一个平衡点，只要在这个平衡点上或是在平衡点附近，动力学模型提供的先验状态信息和当前观测信息对Kalman滤波解的贡献都能达到或是接近理想水平，从而获取较可靠的滤波结果；若动力学模型本身精度较差，则增大相应预测状态协方差矩阵，能够提高参数估计值的精度。3、由于组合导航中观测信息冗余较少，观测异常误差的影响无法通过抗差估计的方法进行处理。为了控制观测值异常对组合导航精度的影响，本文提出基于交互多模型的组合导航观测数据异常影响控制算法，即建立观测正常和异常的多模型集，滤波过程中各个模型并行进行计算，各模型间通过马尔克夫模型概率进行切换，当观测值正常时，正常模型起作用；观测值异常时，故障模型起作用，滤波结果为各个模型滤波结果的加权融合。该算法能较好地抑制观测信息异常对滤波解的影响。其中，模型概率的计算很重要，它影响模型的选择。若预测残差过大会造成模型概率过小，再有舍入误差，就无法进行模型的选择。文中简化了模型概率的计算公式，可以避免上述问题。4、在动态导航计算中，标准Kalman滤波不具备抵制粗差的能力，易受系统状态异常扰动或观测异常等因素的影响，导致滤波结果往往远远偏离真值。在动力学模型可靠的情况下，为避免观测异常对滤波结果的影响，建立处理观测异常的观测模型集合，以观测模型集合中系数矩阵的期望来代替观测方程的系数矩阵，利用随机系数矩阵Kalman滤波算法来控制观测信息异常的影响。计算结果表明，该算法同样可有效地控制观测值异常对滤波结果的影响。5、在GPS/INS组合导航中，对于观测异常的控制，可以建立相应的观测异常处理模型集合，通过交互多模型或基于随机系数矩阵的Kalman滤波算法来进行控制；而对于状态异常扰动误差的影响，同样也可利用上述两种算法进行控制，前提需建立相应的动力学模型异常扰动误差的模型集。但是，组合系统主要依赖于INS的力学编排提供载体的状态信息，建立其相应的动力学模型异常扰动误差的模型集并不容易，鉴于此，提出一种基于随机系数矩阵的自适应Kalman滤波算法，即利用自适应因子控制来动力学模型异常误差的影响，用随机系数矩阵的Kalman滤波控制观测异常误差的影响。6、GPS/INS紧组合利用GPS原始的观测值与INS进行组合，没有充分利用GPS的运动信息，本文提出一种顾及GPS运动信息的GPS/INS紧组合融合算法。该算法利用GPS常速度模型来预测载体的位置和速度误差，为组合系统位置和速度误差状态的预报值增加了冗余，从而增强了组合系统部分先验预测状态的可靠性，进一步改善了整体导航精度。7、利用载波相位时间差分提高GPS/INS紧组合导航速度参数的估计精度。分别采用两种不同的方法进行速度估计，1、基于阈值的自适应载波相位时间差分观测值与Doppler观测值估计速度；2、基于部分状态参数的抗差估计，将载波相位时间差分观测值作为附加的虚拟Doppler观测值扩充至组合观测方程中，再通过部分状态参数不符值进行速度参数的抗差估计。实测计算结果表明，上述两种方法都能有效地提高紧组合导航速度参数估计的精度。