随着科学技术的发展,单一导航系统在定位精度和可靠性上已经不能同时满足现代科技的要求,组合导航系统应运而生。组合导航技术是指将多种导航技术通过合适的方法进行组合,这样能取长补短,充分发挥各个子系统的优势,从而提高系统精度和改善系统可靠性。随着我国自主研制的北斗卫星导航系统(Bei Dou Navigation Satellite System,BDS)不断成熟,基于北斗卫星导航系统和捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)的组合导航系统已经成为我国组合导航系统研究的热点之一。组合导航涉及到导航系统的组合滤波,组合滤波技术成为影响组合导航系统精度和稳定性的关键因素,因此基于BDS/SINS组合导航滤波算法研究具有重要的应用价值和研究意义。本文首先对课题背景及意义做了调研和阐述,其次简单阐述了北斗系统和惯导系统的工作原理和组合方式,最后对基于BDS/SINS的组合导航滤波算法进行了研究。一般常采用的滤波算法有:适用于线性系统的卡尔曼滤波算法(Kalman filtering,KF)和适用于非线性系统的扩展卡尔曼滤波算(Extended Kalman Filter,EKF)等。但是KF、EKF算法均未考虑实际系统中存在的约束条件,其估计结果误差较大。因此本文研究了基于滚动时域估计算法(Moving Horizon Estimation,MHE)的组合导航滤波算法。该算法是在滚动优化原理的基础上发展而来,用优化问题的思想来解决估计问题,在计算的过程中也充分考虑了系统存在的约束和干扰,相比于卡尔曼滤波算法,其估计精度大大提高。对滚动时域估计算法的研究主要分为两大类:优化问题的求解和到达代价的计算。对于滚动时域估计算法中优化问题的求解,本文通过引入拉格朗日乘子将优化问题转化为KKT方程(KKT-MHE)进行求解。对于到达代价的计算,首先采用传统的扩展卡尔曼滤波算法的误差协方差矩阵更新计算,但是这种方法是基于概率与统计的结果,并且不使用滚动时域估计的结果,因此不利于估计精度和速度的提高。针对以上问题本文引入了自适应的方法更新到达代价,提出了基于QR分解的滚动时域估计滤波方法(QR-KKT-MHE)。该方法考虑了最新的滚动时域估计结果,基于QR分解的方法计算到达代价,将到达代价转化为最小二乘问题,形成更有利于提高估计准确性的反馈回路机制。为了验证QR-KKT-MHE算法在BDS/SINS组合导航系统中的应用性能,本文将飞行载体轨迹、惯性测量元件和北斗卫星星座进行了仿真,模拟产生出飞行数据和量测数据,建立了BDS/SINS组合导航的仿真系统。基于该仿真系统,将QR-KKT-MHE算法、KKT-MHE算法、EKF算法、KF算法的滤波性能进行了对比。仿真结果表明,相对于KF算法、EKF算法,KKT-MHE算法能够考虑实际存在的约束和干扰,从而能够更准确地对BDS/SINS组合导航系统的位置、速度、姿态进行估计,提高了估计精度和稳定性;相对于KKT-MHE算法,QR-MHE-KKT算法能考虑最近的滚动时域估计的结果,形成有助于提高估计精度的反馈回路机制,对BDS/SINS组合导航系统的位置、速度、姿态的估计误差更小,稳定性更高。