精确制导炮弹凭借费效比低的优势,得到了广泛关注。惯性/卫星组合导航技术的发展,进一步提高了制导炮弹的打击精度。为了提高弹载惯性/卫星组合导航系统在复杂战场环境下的精度和抗干扰能力,本文以某国防重点预研项目为背景,以弹载惯性/卫星组合导航系统为研究对象,研究了弹载惯性器件的误差补偿技术、高精度组合导航算法和卫星信号干扰检测技术,主要研究内容如下:（1）在弹载组合导航系统中,使用微机电惯性测量单元（MEMS-IMU）能更好的实现过载防护,但MEMS陀螺仪精度低于激光和光纤陀螺仪。为了提高MEMS陀螺仪的测量精度,首先利用艾兰方差分析辨识陀螺仪误差参数,随后利用自回归滑动平均模型（ARMA）对陀螺仪误差进行补偿,提出一种基于自适应卡尔曼滤波的改进ARMA误差补偿算法,进一步提高了补偿精度;结合陀螺仪数据的时序性特点,提出了基于长短期记忆循环神经网络（LSTM-RNN）的误差补偿算法,并使用门控循环单元（GRU）结构优化神经网络训练过程。基于MEMS-IMU真实数据的试验结果表明,上述算法都能提高MEMS陀螺仪的测量精度,其中LSTM-RNN算法补偿效果最好。（2）为了提高弹载组合导航系统在高过载下的精度和可靠性,设计了一种多接收机惯性/卫星松组合导航模型。在多接收机松组合导航模型中提出了集中和分散式两种数据融合方法,集中法直接将来自多个接收机的位置、速度信息与惯性导航系统的信息作差构建量测矩阵,进行集中处理;分散法基于联邦滤波架构,将每个接收机作为“传感器”分散处理,随后分析了两种方法的优劣。为了充分利用弹道的历史信息,提出一种基于图优化的多接收机松组合导航优化算法,进一步提高了系统精度。试验结果验证了多接收机松组合导航模型能够提高导航的精度和系统的可靠性,图优化算法能进一步减小系统的导航误差。（3）为了进一步提高组合导航系统的精度,设计了一种弹载多接收机惯性/卫星紧组合导航模型。针对多接收机紧组合模型中集中式处理方法计算量巨大的问题,提出一种量测信息差分算法,消除状态向量中的时钟相关变量,减少计算量。针对卡尔曼滤波忽略历史状态信息,提出一种基于图优化的紧组合导航优化算法。试验结果验证了多接收机紧组合导航模型能进一步提高导航的精度,图优化算法在多接收机紧组合中仍然有效。（4）针对战场环境下卫星导航接收机极易被干扰和欺骗的问题,提出了基于基线统计特性和多接收机位置相关性的两种欺骗干扰检测算法。基于基线统计特性的算法中建立了单基线、双基线和多基线假设检验模型并推导了对应模型的检测概率和漏检概率的关系函数,提出了多基线叠加和最大/最小值检测算法。不同算法的接收器操作特性（ROC）曲线验证了基线长度和数量的增加能提高检测性能,多基线最大最小值算法具有最好的检测性能。位置相关性算法中推导了多接收机位置相关性矩阵,定义了检测判定因子,给出了数据野值剔除方法。四接收机半实物仿真验证了算法的有效性。