随着通信网络、人工智能和卫星导航等技术的不断进步,自动驾驶和智能交通成为如今导航领域的研究热点,同时也对导航定位技术的精度和可靠性提出更高的要求。全球导航卫星和惯性导航系统构成的GNSS/INS组合导航系统能够弥补单一导航系统的不足,提高系统整体的导航精度和稳定性,是目前导航领域的重要研究方向之一。本文针对组合导航系统在城市峡谷、隧道和地下停车场等环境中因GNSS信号失效而导致的系统精度迅速下降问题,研究了一种随机森林回归辅助的GNSS/INS组合导航滤波算法,并通过车载实验对该算法的性能进行分析和验证。主要研究内容如下:(1)总结了GNSS/INS的基本原理方法,包括GNSS和INS的数据处理方法、组合导航的模式分类和卡尔曼滤波的递推方程及其离散化方法。对组合导航的车载实验进行了研究,通过对实测数据的处理结果进行分析和讨论,验证了组合导航系统的定位精度和有效性。(2)针对组合导航系统中系统噪声特性一般无法精确得知的问题,提出一种改进的Sage-Husa滤波。该滤波方法通过预测残差向量的马氏距离构造检验因子,对滤波器进行检测,判断是否需要进行自适应,从而减小滤波计算量,有利于滤波的实时估计;舍弃计算量测噪声方差阵中的负项,在牺牲很小滤波精度的前提下获得高度的稳定性。实验结果表明,当系统的量测噪声方差阵设计不准确时,改进的Sage-Husa滤波纬度和经度位置误差0.17m和0.14m,而常规卡尔曼滤波为0.25m和0.21m,说明改进的Sage-Husa滤波能够实时的对量测噪声方差阵进行在线调节,令其符合当前量测值的噪声特性,从而提高滤波的收敛精度。(3)针对组合导航系统在GNSS信号丢失时精度迅速下降的问题,将随机森林方法引入组合导航系统,提出一种随机森林回归辅助的组合导航滤波算法。该算法能够在GNSS信号丢失时,通过训练好的随机森林回归模型,构造出模拟的GNSS位移和速度增量,再利用改进的Sage-Husa滤波进行信息融合。实验结果表明,该算法能够在GNSS信号短时间丢失时对组合导航系统进行辅助,将误差控制在几米以内,有效抑制组合导航误差因单一惯导系统自滑行而导致的定位结果发散,提高组合导航的定位精度。