由于GPS与INS的导航定位功能具有较强互补性,二者组合可以扬长避短,GPS/INS组合导航系统性能优越,应用广泛,是全世界各国在高精度和高可靠性导航系统领域研究的热点和重点。而在GPS/INS组合导航系统中,对相关滤波算法的研究及其工程应用是改善系统性能的关键环节。首先给出了本文的研究背景:概述了GPS/INS组合导航系统、滤波算法的国内外研究现状。介绍了常用坐标系及其个坐标系的转换关系,分别阐述了GPS与INS的工作原理及误差分析,对GPS和INS的组合方法做了介绍。在matlab平台上模拟了载体运动轨迹、并对SINS惯性测量元件组的建模和仿真。单独采用SINS进行导航定位,分析其优缺点,验证本文对SINS模型建立的正确性。对GPS/SINS紧组合导航系统建模,给出了系统的状态方程和量测方程,并设计了该系统导航定位仿真流程,为下文的滤波算法的分析奠定了基础。然后介绍了KF算法工作原理和流程,分析了三种非线性滤波算法:EKF、UKF与PF,总结了四种算法的优缺点及适用模型。重点研究了KF、EKF、UKF、PF的复杂度及精度。基于等效flops方法,对KF、EKF、UKF、PF的算法复杂度进行详细分析,推导出了较为精确复杂度的计算公式。并进行仿真比较其状态均方误差值、计算复杂度、以及状态跟踪能力,验证对滤波算法分析的正确性,给组合导航中滤波算法的选择提供了理论依据。对本文建立的紧组合系统中的量测方程的非线性程度进行分析研究:在GPS/SINS紧组合系统中,当位置误差小于千米的数量级时,对系统量测方程进行线性化所引进的误差可以忽略,基于此结论将系统中的量测方程进行线性化,建立一个由非线性的状态方程和线性的量测方程构成的混合系统模型。基于结构分解的思想,对UKF进行优化改进,结合KF及序贯处理方法,提出了一种序贯SUKF算法,利用UKF进行状态一步预测,利用KF进行量测更新,并采用序贯处理方法改进量测更新过程。最后,论文将EKF、UKF以及序贯SUKF算法在GPS/SINS紧组合导航系统模型中进行仿真,并对三种算法得出的导航参数估计误差进行了分析比较,结果表明本文提出的序贯SUKF算法的精度与UKF算法相当,但其算法的实时性提高了30%左右。