在GPS/SINS组合导航系统工程应用中，通常由于无法准确获知系统的动力学模型以及外部干扰信号的统计特性，从而导致卡尔曼滤波器性能下降甚至滤波发散，针对这一难题，本文以我所某组合导航系统的研制为背景，对目前滤波研究领域内的热点——自适应滤波算法进行了研究，并将其应用于实际的组合导航系统中。 本文对组合导航系统在工程实现中遇到的一些捷联惯导系统关键技术问题进行了研究。在给出了惯性测量组合(IMU)的静态误差模型的基础上，介绍了一种实用的误差系数标定方法，并对组合导航系统中IMU进行了多次测试，标定出IMU的各项误差系数；介绍了本系统中捷联惯导系统初始对准方法：解析式粗对准和参数辨识精对准；推导了基于等效旋转矢量法的数字式捷联惯导迭代算法，并按该算法编写出了捷联惯导系统的导航程序。 设计高精度组合导航系统的一种常用的方法就是采用卡尔曼滤波技术，本文建立了组合导航系统的数学模型，在系统噪声阵Q和量测噪声阵R准确已知时，对采用常规 Kalman 滤波的组合导航系统进行了仿真，取得了较好的滤波效果。然后重点在系统模型和噪声统计特性不准确时，即常规 Kalman 滤波无法正常滤波的情况下，对带衰减因子的自适应 Kalman 滤波算法进行了研究，提出了一种新的自适应估计衰减因子的方法，可在实际应用中快速计算出衰减因子的估计值，并在此基础上对带衰减因子的自适应 Kalman 滤波算法进行了改进，获得了一种带衰减因子阵的自适应 Kalman 滤波算法。从仿真结果可以看出，本文提出的两种改进的自适应滤波算法均能有效的抑制由系统模型误差引起的滤波发散，且对噪声统计特性的敏感性也比较低。 最后采用带衰减因子阵的自适应 Kalman 滤波算法进行了静态试验和跑车试验，试验结果进一步验证了该滤波算法能有效抑制滤波的发散，且算法简单，是一种实用性较强的滤波算法。 本文的研究成果可以为 GPS/SINS 组合导航系统的研究提供一定的理论支持和实践积累。