初始对准为捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)建立初始姿态,其对准精度在一定程度上决定了导航精度,而对准速度则决定了车载武器的反应时间。为了有效增强武器发射平台的机动性能,赢得战机,提高自身生存能力,必须在不影响载车机动的情况下完成高精度的系统自标定和初始对准。本文主要研究里程计辅助的车载SINS动基座初始对准问题,首先针对SINS/里程计系统的误差模型和系统可观测性进行研究,然后,在此基础上设计了基于最优估计和自适应非线性滤波的初始对准算法,实现了完全动基座下的高精度初始对准。针对大失准角情况下的动基座初始对准问题,对车载SINS/里程计系统进行了详细的误差分析,并提出了采用里程计/陀螺仪航位推算方式辅助SINS完成初始对准的方案。首先,分别推导了小失准角和大失准角情况下的SINS误差方程。然后,基于大失准角SINS姿态误差方程建立了大失准角里程计/陀螺仪航位推算误差方程。基于航位推算误差方程,得到了线性的初始对准量测方程,可以简化初始对准的计算量。最后,提出了一种高精度的杆臂效应模型及航位推算算法来提高多弯道路段的导航及对准精度。在设计SINS/里程计初始对准方法之前,首先对系统的可观测性进行了分析。为了避免线性时变系统的PWCS(Piece-Wise Constant System)可观测性分析方法的缺点,即对于高维且高度非线性的系统,该方法存在计算量大和线性化误差不可忽略的问题,本文采用全局可观测性分析方法,直接从系统可观测的概念出发,针对车载SINS/里程计系统动力学方程进行分析,将姿态、速度、IMU零偏、SINS安装误差角、里程计刻度系数、安装杆臂等系统状态是否可观测转换为能否通过有限时间内的量测值求解的问题。该方法不仅得出了系统的可观测性结论,还给出了系统状态可观测的充分条件,为设计初始对准机动方案提供了理论指导。基于惯性系对准的思想,提出了一种基于最优估计的车载SINS/里程计动基座自标定及初始对准算法。首先,根据可观测性分析结果设计了一种SINS安装误差角和里程计刻度系数误差的在轨标定方案。然后,通过姿态矩阵的分解将初始对准问题转化为常值姿态确定问题,推导了初始对准数值积分算法,提出了一种基于约束最优化的初始对准方案,该方案能够在线估计包括姿态角、里程计刻度系数、安装杆臂、SINS安装误差角和IMU零偏等参数。与卡尔曼滤波算法不同,该方法不需要已知系统噪声统计特性,相对于EKF算法具有更好的鲁棒性和抗干扰性。车辆初始对准试验表明,该方法能显著提高车辆在动初始对准精度,证明了该方法的优越性。针对低精度SINS/里程计系统模型非线性和测量噪声的不确定性引起的标准卡尔曼滤波发散和精度下降两大问题,提出了一种ACKF/KF初始对准方法。该方法中,采用非线性滤波算法——容积卡尔曼滤波估计非线性系统,采用Sage-Husa自适应滤波算法在线估计系统量测噪声。并且根据里程计/陀螺仪航位推算得到的线性系统量测方程,采用标准卡尔曼滤波器进行量测更新,减少了滤波计算量,缓解了非线性滤波器的“维数灾难”。因此,ACKF/KF算法能够针对测量噪声未知的非线性SINS/里程计初始对准方程进行状态估计,同时具有更好的工程实用性。通过仿真与EKF、CKC、AEKF算法进行了对比,结果表明该算法能够有效提高对准精度和稳定性,能够更好的完成SINS动基座初始对准。