随着自动驾驶技术的快速发展,为了进一步提高车辆的智能化水平,对车辆运动估计系统的精度和鲁棒性提出了更高的要求。以卫星定位系统与捷联惯性导航系统为核心,辅以其他传感器组成的松组合导航系统因其结构简易,成本较低,且系统较为灵活,可以适应各种应用场景,同时能够以较高更新频率输出高精度的载体运动状态信息,是运动估计研究领域的主要研究方向之一。基于卫星导航和捷联惯导的车辆运动估计系统能够为车辆自动驾驶决策系统提供高精度的车辆运动状态信息,对自动驾驶技术的发展过程中起到非常重要的作用。本文通过研究基于改进卡尔曼滤波的车辆运动估计系统,分别从加速度计和陀螺仪误差模型确定与误差参数标定方法、传感器输出随机性误差抑制方法、非完整性约束条件下的基于动态采样窗口宽度的自适应UKF算法三个方面进行了相关研究。具体研究方法和创新性为:1、提出一种基于矩阵分解解耦法与19位置标定编排方案的低成本惯性传感器误差标定方法。首先利用传感器自身输出信息拟合确定传感器误差模型,然后引入矩阵分解解耦法,通过定义载体坐标系来消除标定过程中的误差耦合项,最后利用19位置标定编排方案快速准确的完成对传感器误差参数的标定工作。2、由于低成本惯性测量单元输出信息存在信噪比较低的问题,提出了一种基于改进阈值函数的小波降噪方法,通过调节阈值函数的参数,使改进后的小波阈值函数特性不仅仅局限于单一的软阈值函数或是硬阈值函数,使得经过阈值函数筛选过后的小波系数仍能完整表述原始信息数据特征,准确识别原始信息中的有效数据和噪声信号,提高重构后数据的信噪比。3、针对无迹卡尔曼滤波算法对系统噪声统计特性精确度要求较高的问题,提出一种基于动态采样窗口的自适应UKF算法。在根据系统新息和残差自适应调整系统噪声矩阵和量测噪声矩阵的同时,自适应采样窗口宽度也进行动态调整,提高自适应采样过程对当前系统真实噪声特征的匹配性。为解决运动估计系统无参考信息输入时的误差发散问题,研究分析了车辆运动特性,提出采用非完整性约束条件来配合改进的自适应算法,从而在整个运行区间内维持较高的精度水平。本文针对上述数据降噪方法和传感器误差参数标定方法进行了仿真验证和实物测试验证,最后通过自主研发的车辆运动估计系统进行车载实验测试,证明了本文提出方法的有效性,为基于多传感器数据融合方法的车辆运动估计系统技术研究提供一定的参考价值。