本文主要研究了GPS和INS动态数据处理算法以及组合导航数据融合理论与算法,论文的主要内容和创新点概括如下: 1.首先,对动态数据处理中函数模型和随机模型进行了综合分析,通过实测数据计算,指出了在动态数据处理过程中,选择较合理函数模型和随机模型的必要性。 2.对渐消滤波进行了理论分析与讨论。然后将抗差自适应滤波和渐消滤波进行了综合比较,并指出了渐消滤波存在的问题。提出了基于“当前”统计模型的抗差渐消滤波算法。 3.详细分析和讨论了自适应因子对导航解的影响。对基于不符值原理和方差分量估计原理构造的自适应因子对导航解的影响进行了实测计算比较,结果表明基于方差分量估计构造的自适应因子在大多数情况下都均匀地降低了模型信息使用效率,从而更好地抑制模型误差的影响。 4.对联邦滤波算法进行了研究,综述了该算法存在的问题,提出了具有容错功能的抗差自适应联邦滤波算法。 5.对惯导系统进行了仿真计算,并对IMU/GPS松组合导航系统进行了系统研究,将渐消因子成功地应用到IMU/GPS松组合导航系统。 6.对基于抗差估计和方差分量估计的自适应融合导航算法以及基于多传感器局部几何导航结果的自适应融合导航算法进行了分析与探讨,并用模拟数据验证了三种算法在精度和可靠性方面明显优于联邦滤波算法。 7.对状态预测信息和观测信息的有色噪声进行了拟合和预报,并成功地应用到基于多传感器局部几何导航结果的自适应融合导航算法中,提出了含有色噪声的几何导航结果的自适应融合算法。