未来汽车的发展方向是自动驾驶汽车,随着人工智能技术、视觉识别技术、GNSS高精度导航定位技术、5G-V2X通信技术等核心技术的突破和完善,自动驾驶汽车会逐步发展起来,成为出行和物流工具。GNSS与INS都被广泛应用于汽车定位导航中,二者组合后可以提升系统的稳定性,是导航领域的研究热点问题之一。GNSS/INS组合导航分为松组合、紧组合和深组合。松组合和紧组合都是利用GNSS信息辅助INS导航,深组合实现了INS与GNSS在信号处理层的信息交互。其中,GNSS/INS紧组合和深组合两种方式,极大地提高了整体导航系统的可靠性,特别适用于复杂环境下的车载导航应用。GNSS/INS深组合系统的实现需要调整GNSS接收机底层软硬件结构,组合算法上也需要进行深层次研究。在目前的研究中,对深组合GNSS信号跟踪误差模型、深组合系统中GNSS基带性能评估及优化等方面的研究还不成熟,对组合导航系统的反欺骗性能和系统可靠性研究较少,这些都制约GNSS/INS组合技术的进一步突破及在车载复杂应用场景下广泛应用。本研究面向大众车载领域,从自动驾驶对卫星导航的需求出发,研究复杂动态环境下车载组合导航技术,提出组合导航系统高可靠性解决方案,完成实时组合导航算法设计,设计并实现一体化组合导航模块,基于一体化组合导航模块研制并完成车载实时组合导航系统,并通过大量的实际测试验证了模块及终端性能。本文的主要工作和创新点如下:(1)针对GNSS信号脆弱性问题,提出捕获阶段的反欺骗算法。研究了深组合模式下INS带来的GNSS环路误差,建立了误差传递模型。分析了自动驾驶等复杂高动态应用场景下,深组合跟踪环的优势。从欺骗防御和误差分析与消除两个方面给出了提升车载导航系统可靠性的有效方法。通过搭建可靠性仿真测试环境,对反欺骗算法性能和误差传递模型正确性进行了验证。(2)建立了车载环境的GNSS/INS组合系统模型。设计了实时车载组合模型,完成了车载INS算法设计,提出了一种四元数法和旋转矢量法相结合的姿态更新方法。完成了GNSS/INS组合算法设计,提出了一种适用于嵌入式系统的低时延滤波算法。同时,对所提方法的可用性都通过实际场景进行了验证。(3)设计了一种基于径向基函数神经网络(RBFNN)的实时车载GNSS/INS组合滤波算法。为保障组合导航系统在车载环境的弱GNSS信号条件下,仍能提供满足精度要求的组合定位输出,本文提出了一种基于RBFNN辅助滤波的组合导航方法。设计了由RBFNN辅助滤波的紧组合导航系统,在GNSS信号完好时,对径向基函(RBF)神经网络进行训练,当GNSS信号失锁时,由RBF神经网络根据训练结果预测滤波器更新过程的量测输入。建立了RBF神经网络与自适应卡尔曼滤波器的数学模型及算法,并通过实际实验验证了所提方法的有效性。(4)设计并实现了GNSS/INS组合导航模块。完成了一体化实时GNSS/INS组合导航模块的实现以及组合导航模块在导航终端的集成,主要包括一体化集成的硬件实现、基于硬件平台的实时软件系统实现、模块工程化设计与实现、基于组合导航模块的车道级导航终端的设计实现及其可靠性测试。搭建了GNSS/INS组合车载导航系统,在不同的测试条件和复杂车载环境下进行了车道级车载组合导航综合性能测试。