不论是军事领域亦或民用领域,导航的地位都在日益提高,人们对导航的依赖日益增强。其中捷联惯性导航系统（Strapdown Inertial Navigation System,SINS）由于其结构简单,设备容易集成,一经提出便迅速发展,已经在很多领域展开应用。SINS工作主要可以分为三步:传感器数据的校准、初始对准以及惯导解算更新。其中,初始对准是非常重要的一环,对准结果的精度直接影响最终的导航结果。当前,在静基座下的对准研究已经相当成熟了,精度完全可满足需求,然而现实中很少有准静态的环境,大多数场景都会存在晃动干扰。本文针对此问题开展工作,主要研究了在晃动干扰下SINS的初始对准问题,而后又针对SINS容易发散的缺陷做了校准研究,具体内容如下:第一,在晃动干扰下,由于外界干扰角速度和线速度的影响,解析式粗对准已经无法正常工作,本文引入了基于惯性系的间接对准算法,利用在惯性系中重力加速度的锥形运动现象,通过坐标系之间的转换关系,降低了干扰角速度的影响,完成了晃动基座下SINS的初始粗对准,为后续的精对准做了铺垫。第二,在精对准阶段,针对建模不准确以及噪声参数估计不准确导致滤波发散问题,本文提出了一种改进型自适应卡尔曼滤波（Improved Adaptive Kalman Filter,IAKF）算法。该算法首先借鉴了故障检测与隔离的思想,采用序惯滤波方法更新量测噪声,在更新过程中根据滤波评判结果选择不同的量测噪声更新方式,提高了滤波的可靠性。其次,学习了渐消因子滤波的思想,对传统卡尔曼滤波的增益矩阵计算增加了调控功能,加快了收敛速度。第三,SINS由于需要进行大量的积分运算,长时间自主工作容易发散,本文针对这一问题,结合语音识别技术提出了一种校准方法,该方法借助位置-坐标索引表,将人们通过语音输入的地理标示转换为实际的经纬度信息,用此信息纠正惯导的偏离。其极大的简化了校准流程,而且对外界辅助信息依赖较弱,便于在一些特殊场合使用。最后本文对提出的算法分别做了仿真和实测验证。仿真实验表明改进算法在不同的干扰条件下都能够收敛到真值,俯仰角、横滚角及航向角误差均能够稳定在10分度左右,稳定性较高。利用红米手机K30Pro采集带晃动干扰的数据实验表明,改进后算法的收敛一致性较高,在同一方位下,多次采集数据,航向角相差在5度以内,俯仰角和横滚角相差在10分度之内;而传统方法航向角相差在20度以上,改进方法与传统方法相比更加稳定,对准结果的方差较小,更利于实际推广应用。此外又对校准方法做了仿真验证,论述了该方法的可行性,结合低功耗设备STM32制作了第一版校准平台模型,进行了实际校准方法测试,验证了该方法的有效性。