车辆的导航定位已成为人们日常生活中不可或缺的一部分,随着车辆导航定位对精度和可靠性要求的不断提高,单一的导航系统如惯性导航系统和全球导航卫星系统等在很多情况下已经无法满足车辆的导航需求。解决这个问题的主要方法就是使用两种以上的单一导航系统进行组合,提高导航结果的精度。目前最常用的是INS/GNSS组合导航系统,其可以有效的克服两者的缺点,实现优势互补,同时车载里程计可以十分便捷的获取车辆的速度信息,因此本文设计INS/GNSS/Odometer车辆导航系统,研究其导航信息的融合方法。首先,本文研究了惯性导航系统、全球导航卫星系统以及里程计的导航原理,分析它们的误差产生原因,分别对三种导航系统建立误差模型,对其导航定位性能的优缺点进行分析。其次,本文使用联邦滤波的方法将INS/GNSS/Odometer组合导航系统分成两个子系统,建立以INS为主的组合导航系统方程,然后分别对两个子系统建立其量测方程,并且仿真了汽车在不同运动转态下的运动的轨迹,对其使用惯性导航解算算法获得惯性导航系统的速度、位置和姿态信息。再次,本文对应用于组合导航系统中的信息融合算法进行了研究,由于车辆导航系统是非线性系统,因此需要使用非线性滤波算法对其进行信息融合,本文研究了在卡尔曼滤波基础上改进的无迹卡尔曼滤波算法,将交互式多模型算法与UKF算法进行结合,通过仿真使用这几种方法的导航结果,分析其在不同噪声环境下的导航性能。然后再通过联邦IMM-UKF算法对子系统得到的导航数据进行处理,并且通过仿真得到INS/GNSS/Odometer组合导航系统的导航信息。最后,由于GNSS信号易受到环境遮挡和外界干扰,本文研究了一种在GNSS信号存在失锁状况时使用人工神经网络对其进行误差校正的方法。使用遗传算法对BP神经网络的初始权值和阈值进行优化,在GNSS信号有效时训练网络,GNSS信号失锁使通过训练好的网络对导航信息进行预测完成误差校正工作。