组合导航系统通指那些使用了两个或多个导航系统来对同一载体进行导航测量的综合系统，其通过将各个不同导航系统的对应输出值作比较得出差值来对各系统的误差进行校正。现代工程应用对组合导航系统的要求主要表现在高精度、高可靠性、能够长时间的连续运行且能适应多变的环境。惯性导航系统和GPS系统由于各自的互补特性，成为了最为常用的组合导航子系统，其组合大大提高了导航系统的精度和稳定性。但由于惯性器件所标定的性能参数在动态环境下运行会产生一定的偏移，引入了事先不可测知的误差因素，从而使得原有的误差模型不适用，误差补偿难度较高，进而使得组合导航的稳定性受到破坏，预测精度下降。　　 卡尔曼滤波是关于状态最优估计的有效方法。首先当组合导航系统的数学模型(包括系统的动力学模型及系统噪声和量测噪声的统计特性等)精确已知，并忽略计算误差时，用常规卡尔曼滤波对系统的状态进行估计，可以得到状态的精确估计值，否则，如果模型不准确，滤波精度将会降低，甚至发散。其次，用正规卡尔曼滤波于目标定位和跟踪，其数学描述与实际的物理过程往往不相符合，主要表现在：目标机动如俯冲、盘旋、圆弧、比例导引等运动，已经破坏了目标运动假定，而使动态方程不再成立；动态系统与量测噪音统计特性不再是均值为零的高斯白噪声序列；坐标变换、误差协方差阵对称性、计算舍入误差、初始状态和初始误差协方差阵等引起的误差。由此可见，诸多因素破坏了卡尔曼滤波方程的准确性，因此需要对其进行校正。　　 演化计算是模拟自然进化，利用适者生存的自然机理，来求解复杂问题的一种优化算法。它采用简单的编码技术将问题解映射到一个多维空间，并通过预先设定的杂交变异操作和基于优胜劣汰原则的选择技术来多区域并行的搜索解空间。演化算法本身的结构决定了其具有自学习、自组织、智能性和并行性的优点，不断的实践应用也证明其简单通用、鲁棒性强。本文采用基于演化算法的自适应滤波技术，在进行滤波的同时，利用观测数据带来的信息，不断地在线估计和修正模型参数、噪声统计特性以提高滤波精度，得到对象状态的最优估计值。　　 仿真实验表明，该算法的设计是行之有效的，采用多种不同演化算法所构建的模型在同等条件下性能是优于传统的滤波算法的。在此基础上，通过其自适应性特点及约束条件的设定能够有效抑制滤波的发散，在保证实时性的同时较好的满足实际工程应用的要求。