GPS和INS是当前应用最广泛的导航系统,但由于它们各自存在无法避免的缺点,若独立使用,已经难以满足人们对导航性能越来越苛刻的要求。但INS和GPS优势互补,如果采用某种手段将它们结合使用,取长补短,其精度和可靠性将得到极大的提高。数据融合是实现组合导航系统的关键技术,而数据融合的关键就是滤波算法的处理,所以对组合导航系统中滤波器的设计与改进有着十分重要的意义。无迹卡尔曼滤波(Unscented Kalman Filter,UKF)是近年来才提出的一种性能比较优异的非线性滤波方法,并可以应用在任何非线性非高斯的系统中,其无需对非线性系统函数进行一阶近似线性化,使得系统受到线性化误差的影响极小。因此,自其产生之日起,便在工程上得到了较为广泛的应用。本文主要围绕UKF算法的改进及其在SINS/GPS组合导航系统中的应用展开相关的研究,论文的研究内容主要包括:首先介绍了捷联惯性导航系统中常用到的几种导航坐标系以及坐标间坐标变换的实现,介绍了地球参考模型中几个关键的模型参数;然后推导了捷联惯性导航系统的力学编排方程,包括惯性导航系统基本方程以及速度、位置、姿态解算方程等,并且在此基础上,对捷联惯性导航系统的非线性误差模型进行推导;简述了GPS系统的工作原理并分析了GPS系统导航定位过程中的主要误差;简单的介绍了现有的SINS与GPS的组合模式,并给出了各组合模式的结构框图;根据误差分析分别对SINS/GPS松组合和紧组合导航系统进行建模,给出了系统的状态方程和量测方程。其次,详细介绍了UKF算法,并重点研究了UKF的核心数学基础,即UT变换。分析对比了对称采样和最小偏度单形采样策略的特点,通过采用最小偏度单形采样来降低组合导航滤波算法的计算复杂度,并将对称采样中常用的比例采样修正算法引入最小偏度单形采样中,来提高UKF滤波的精度;分析比例因子在UT变换中的作用,并由此提出了一种自适应比例因子的选取策略,并将这种自适应比例因子算法嵌入到单形采样UT变换中,提出了自适应比例因子单形采样UKF(Adaptive Scaled Unscented Kalman Filter,ASUKF)算法。然后通过简单的六维非线性模型对对称采样UKF、最小偏度单形采样UKF以及本文改进的自适应比例因子单形采样UKF三种UKF算法进行仿真对比,验证改进后UKF算法的性能。最后,本文根据SINS/GPS组合导航系统模型的特点,针对解决组合导航应用中遇到的估计精度低和计算量大等问题,将自适应比例参数?和单形采样UKF应用到组合导航滤波算法中。并将对称采样UKF、最小偏度单形采样UKF以及本文改进的自适应比例因子单形采样UKF这三种UKF算法分别应用到SINS/GPS松组合和紧组合导航系统模型中进行MATLAB仿真,对这三种UKF算法的仿真结果进行对比分析。本文最后将本文改进的ASUKF算法应用到实际车载导航数据处理中,对算法的实际性能进行了验证,并与传统的对称UKF算法进行了对比,结果表明ASUKF算法计算量较低,实时性较好,表明了算法的有效性。