中国是交通大国,随着大数据、人工智能、机器视觉、导航定位等技术突飞猛进的发展,车-路交互式智能交通、自动驾驶、智能出行成为智能交通现阶段技术发展的关键方向。实现车车通信、车路交互的自动驾驶是智能交通飞跃发展的重要标志。而实现自动驾驶的重要前提是准确确定运动载体的位置和运动状态,为车辆提供可靠、安全、实时、连续的定位信息,为驾驶决策提供可靠依据。传统单一传感器定位方式已无法满足目前定位精度的要求,不同传感器间进行组合、互补是目前应用最广泛的方法。本课题在多传感器组合定位方法的基础上,主要对其中的信息融合和误差校正两个关键技术进行研究,包括传感器数据去噪方法,惯性传感器误差分析与误差建模方法,以及组合定位中的自适应信息融合滤波方法,并对这些方法进行了相应的改进。本文主要的研究工作和创新性如下:（1）介绍了多源位置信息融合技术的基本原理,对不同融合层次、不同融合算法的优缺点进行了分析,同时引入导航常用坐标系及其转换关系,建立惯性敏感元件误差模型,建立惯性导航系统三轴方向角、速度以及位置的误差方程,为后续的误差校正技术和融合方法的研究奠定了基础。（2）以惯性传感器MEMS陀螺仪为研究对象,为了解决传统经验模态分解法的不足,提出改进EMD的MEMS陀螺误差校正方法,设置一种筛选规则,将信号分为纯噪声模态、混叠模态和纯信号模态,之后对混叠模态建立ARMA模型并滤波处理,最后对信号进行重建,从而达到更好的误差校正效果。（3）以GPS/INS组合定位系统为研究对象,建立了组合定位系统的数学模型,介绍了标准Kalman滤波和Sage-Husa自适应滤波法的算法流程,针对滤波过程中量测异常问题,提出结合抗差估计技术的自适应融合滤波法,对量测异常进行检测,并引入指数衰减自适应因子调整量测噪声协方差矩阵,从而使系统达到故障检测与隔离的作用。最后,针对文章提出的传感器数据去噪方法,陀螺仪随机误差建模方法,以及抗差自适应融合滤波法进行仿真实验、双轴转台实验和系统车载实验验证与分析,验证所提方法的有效性和优越性,为工程应用中车辆定位精度的提高以及系统的容错性的提高提供一定的参考价值。