我国国防事业的迅速发展,对现代高性能飞行器的应用效能提出了更高的要求,如何提高飞行器的导航精度已成为导航领域研究的热点和关键。本文以提高现代高性能飞行器组合导航系统精度为目的,对高精度光纤捷联惯性组合导航系统相关技术进行研究,分别从惯性传感器误差的分析和补偿,以及组合导航系统滤波算法的改进这两个方面进行研究。陀螺是惯性导航系统的核心元件之一,其输出噪声直接影响惯导系统的精度。本文对光纤陀螺信号的去噪算法进行了研究。首先提出了小波动态阈值去噪算法,根据小波分解后各频带噪声分量的不同选择动态阈值对信号进行处理,能够有效地提高陀螺输出信号的精度。其次,研究了基于伪Wigner-Ville分布基本理论的时频峰值滤波算法,并此基础上提出了自适应时频峰值滤波算法,设计了自适应的伪Wigner-Ville分布最优窗长获取准则,通过局部峰值搜索实现编码信号的瞬时频率估计,进而还原有用信号,实现了减小噪声和增强有用信号的目的。此外,本文对陀螺随机误差特性分析方法进行了研究,通过分析陀螺误差模型和参数,实现导航系统误差的准确分析。首先研究了Allan方差分析法和动态Allan方差分析法的基本原理。其次,提出了基于模糊控制的时变窗长动态Allan方差分析方法,根据光纤陀螺输出信号的变化特征设计了模糊控制器,实时选择合适长度的窗函数进行动态Allan方差分析,提高对光纤陀螺信号动态Allan方差分析的准确性。接着,提出了基于雷达图的动态Allan方差算法性能评估,实现了对动态Allan方差算法的定量评估。最后,提出了基于经验模态分解的陀螺随机信号的Allan方差分析方法,可针对不同种类陀螺信号直观反映陀螺噪声在时频域上的分布规律和信号的误差特征。卡尔曼滤波算法是一种常用的组合导航系统滤波方法,精确卡尔曼滤波参数的获得有利于提高滤波效果。为此,本文对组合导航卡尔曼滤波参数的精确获取方法进行了研究,提出了一种基于精确建模的卡尔曼滤波组合导航算法。首先,建立了基于Allan方差系数的光纤陀螺和加速度计误差模型。其次,推导了Allan方差系数与惯性传感器模型参数之间的数学关系。最后,推导了基于量化噪声增强的惯导系统误差方程,建立了基于精确建模的卡尔曼滤波方程,高效地获得了较精确的卡尔曼滤波参数。仿真和实验验证结果表明,基于该方法的组合导航精度优于传统算法。同时,本文研究了一种人工蜂群粒子滤波组合导航算法。首先,分析了粒子滤波和人工蜂群算法的基本原理。其次,针对粒子滤波算法存在的粒子退化和贫化的问题,采用人工蜂群算法对粒子的建议分布进行优化,改善了粒子的多样性,提高了组合导航系统的精度。最后,本文基于MATLAB软件搭建了光纤捷联惯性组合导航系统软件平台,分别对基于小波动态阈值的光纤陀螺去噪算法、基于ATFPF的光纤陀螺去噪算法、基于模糊控制的时变窗长DAVAR分析方法、基于EMD的光纤陀螺信号Allan方差分析方法、基于精确建模的卡尔曼滤波算法和人工蜂群粒子滤波算法这六种算法进行了实现。最后,结合跑车实测数据对基于精确建模的卡尔曼滤波算法和人工蜂群粒子滤波算法进行了验证分析,结果表明本文所研究的相关算法能够改进组合导航系统的实际性能。