组合导航技术能够结合不同的导航系统的优势,将它们综合运用,进而取得更好的导航效果,并已广泛地被应用于导航、智能交通、测绘、武器制导、等领域。北斗导航系统作为我国自行研制的即将组网的新一代全球定位系统,虽然可以全天候的提供高精度的定位信息,但是却存在信号易被干扰和输出频率低的缺点。捷联惯性导航系统作为一种常用的导航系统,有输出频率高但误差会累积的特点,这与BDS恰好形成互补。但对两者数据进行融合时需要全部的先验信息统计信息和有效的观测值,当要求不满足时则会对滤波的精度产生影响。本文以SINS/BDS组合导航系统作为研究对象,针对组合导航系统在系统不确定性增加以及在观测异常的情况下,滤波精度下降的问题进行了研究。本文的主要工作如下:(1)针对标准CKF在载体状态突变时滤波精度下降的问题,提出了一种基于多重渐消因子的强跟踪SVDCKF组合导航算法(MST-SVDCKF)。该算法首先引入SVD代替标准CKF中的Cholesky分解,提高了状态协方差阵分解迭代时的数值稳定性;通过多重渐消因子对预测状态协方差阵进行调节,使得不同滤波通道具有不同的渐消能力,使系统在出现状态突变时仍实现对载体真实状态的强跟踪。仿真结果表明,与标准CKF和传统STCKF相比,本算法调节能力更强,滤波精度更高。(2)针对组合导航系统在过程噪声统计特性不确定和观测值异常时鲁棒性差的问题,在强跟踪滤波器的基础上,提出了基于卡方检验的自适应抗差SVDCKF组合导航算法(CTAR-SVDCKF)。该算法首先第一次引入卡方检验对系统进行评估,并根据卡方检验值,采用多重渐消因子对预测状态协方差阵进行调节;然后,再次利用卡方检验对观测异常进行判断,并利M估计影响函数导出的加权矩阵进而可以对新息进行修正。仿真结果表明,所提出的算法能有效抑制过程噪声变化观测异常对系统的影响,且在噪声正常和观测值充足的情况下也同样适用。(3)设计了SINS/BDS信息处理平台。可采集跑车实验时的数据并对采集的数据进行格式转换,再根据建立的松组合模型和滤波算法可对数据进行融合,最后通过与BDS输出的位置信息进行对比,证明了本信息处理平台可有效对实验数据进行采集、处理和融合。