重点研究了GNSS/INS组合导航定位的滤波解算及系统的可靠性。针对GNSS/INS组合导航系统在实践中存在的随机模型不确切、异常观测误差及不确定误差的影响、稳定性差、精度及可靠性难以保证等问题，引入系统模型构建、容积Kalman滤波、区间Kalman滤波、渐消矩阵、ERAIM模型等，对组合导航系统的模型及解算效果等进行了改进，进一步提高了解算的精度及稳定性，并对其可靠性进行了分析。论文的主要内容如下：

(1) 系统分析了GNSS、INS以及组合系统的数据处理过程，推导了INS虚拟观测值辅助解算的随机模型，对比分析了GNSS/INS松组合、紧组合导航系统的性能。实测试验结果表明，松组合过程较为简便，易于实现；紧组合系统理论解算精度高，但具有计算复杂、稳定性差的缺点。

(2) 针对系统状态协方差矩阵非正定的影响，构建了基于奇异值分解的容积Kalman滤波，提高了数值解算的稳定性，但试验结果表明其实际解算精度与常规容积Kalman滤波相差无几。

(3) 引入了归约化的区间Kalman滤波算法，并结合抗差估计理论，提出了一种GNSS/INS组合导航系统的抗差区间Kalman滤波算法。实测试验结果表明，该算法能够同时削弱随机模型不确定误差及异常观测误差的影响，保证滤波器在受到异常观测误差污染时也能得到良好的解算效果。

(4) 通过实测试验对比分析了Kalman滤波与自适应Kalman滤波的解算性能，结果表明，自适应Kalman滤波能够在系统状态模型出现较大误差时重用当前的观测信息，削弱模型误差的影响，但此时对观测信息的精度要求较高，否则滤波解算效果可能受到严重影响。

(5) 给出了H∞滤波的非线性形式，讨论了工程实际中常用的次优迭代解法，针对GNSS/INS组合导航系统中的动力学模型异常误差及不确定误差影响，融合双因子抗差参数估计方法，提出了一种自适应H∞滤波算法，进一步增强了滤波解算的抗干扰能力。通过实测试验验证了该算法的有效性。

(6) 单个渐消因子难以保证滤波器的绝对最佳，易造成滤波发散。针对这个问题，在单个最佳渐消因子的基础上，构建了一种渐消矩阵的自适应估计方法，能够同时对多个数据通道进行渐消，有效抑制滤波的发散。

(7) 针对随机模型不确切以及观测量中存在的不确定误差影响，在容积Kalman滤波的基础上，利用渐消矩阵和H∞滤波算法构建了适用于GNSS/INS组合导航系统的多重渐消H∞滤波模型，实测试验结果表明，该模型能够有效削弱系统随机模型偏差以及不确定误差的影响，提高滤波解算的精度及稳定性。

(8) 在常规RAIM方法的基础上，将动力学模型引入量测模型，从而推导了扩展的RAIM(ERAIM)算法，增加了观测冗余；残差检验法中的统计量易受到系统随机模型偏差和异常观测误差影响而产生较大的误警率，针对这个问题，引入抗差最小二乘理论，获取可靠的参数估值及误差判别统计量，进一步提高了ERAIM算法的容错能力，实测试验结果表明，该方法能够有效提高故障探测和识别的效率，提高导航解算的精度，降低误警率。