随着MEMS技术的发展,微型惯性测量组合(MIMU)在低成本捷联导航系统中得到广泛应用。航姿参考系统(AHRS)是一套由MIMU和地磁传感器组成的三自由度姿态测量单元,具有体积小、重量轻、高可靠和耐冲击等突出特性,可实现动态环境下载体实时姿态航向控制。将其与小型GPS组合起来,构成载体最理想的组合导航定位模式。扩展卡尔曼滤波(EKF)是处理组合导航系统信息融合最有效的手段,针对MEMS传感器漂移大、稳定性差等特点,开展改进的EKF方法与神经网络智能控制相结合的融合滤波方法,以寻求最佳导航参数估计精度。论文围绕AHRS单机工作算法以及AHRS/GPS紧耦合融合滤波技术两部分开展研究工作。在掌握各传感器工作机理的基础上,深入研究微机械AHRS捷联姿态算法,利用加速度计和磁通门传感器对重力、地磁两不共线参考向量的观测,修正陀螺积分后的角度漂移,建立载体系下姿态Kalman滤波器观测修正方程,对陀螺零漂进行有效估计和补偿。从陆用载体姿态变化可能过快这一实际情况出发,阐明缩短载体姿态更新周期的必要性。引入对偶四元数(DQ)理论,以优化AHRS姿态更新矩阵的解算过程。方法在快速求取变换矩阵的同时,获得平移向量。通过MEMSAHRS摇摆机座仿真试验,验证了方法的可行性。鉴于AHRS对地磁参考向量的信赖,讨论磁场干扰特性和相应对策,在软件层面上,开展磁航向角误差补偿算法的研究。方法简单易行,适于在实际系统中应用。提出一种基于强跟踪(ST)性能的高斯二阶EKF(QEKF)自适应滤波算法,将其应用于AHRS/GPS紧耦合导航系统中。建立了伪距—伪距率—航向角组合观测数学模型,引入QEKF方法,补偿系统观测方程线性化的二阶截断误差,逼近组合系统非线性特性。利用ST算法降低对历史状态信息的使用率,快速跟踪系统当前时刻状态突变,以保证滤波器可靠收敛,增强系统鲁棒性能。借助上述改进的EKF滤波器模型,设计神经网络辅助的组合导航滤波器,体现智能方法和经典控制方法的融合性。根据网络样本数大、及无状态反馈结构设计需要,选取广义径向基函数网络(RBFNN)对滤波器状态方程的预报值进行在线修正,获得的导航参数精度和动态性能均有提高。研究结果表明:在传感器精度有限的情况下,融合滤波方法在低成本AHRS/GPS组合系统中的导航参数估算是可行的。