全球定位系统(GPS)与惯性导航系统(INS)相结合的GPS/INS组合导航系统由于各子系统之间具有较强的互补性，具有十分广阔的应用前景和重要作用，是全世界各国在高精度和高可靠性导航系统领域研究的热点和重点。而在GPS/INS组合导航系统的研究应用中，对各种信息融合技术，尤其是数据融合滤波技术在组合导航系统中的应用研究，是GPS/INS组合导航系统研究的一个主要方向。本文首先简要介绍了卫星导航系统与惯性导航系统的发展，分析了组合导航系统数据融合算法的研究现状。同时介绍了导航系统中常用坐标系以及坐标系之间的转换关系，阐述了GPS和INS导航定位基本原理，并且对GPS/INS组合技术进行了简单的介绍。在此基础上，仿真了两组载体轨迹，分析仿真了惯导系统的导航定位数据，为进一步研究数据融合算法提供了数据源。分析了GPS/INS组合导航系统数学模型，得到以位置、速度为观测量的松组合导航系统数学模型。接着对组合导航相关的融合算法进行了分析，主要为扩展卡尔曼滤波算法、无迹卡尔曼滤波算法。对上述算法进行了仿真分析及性能比较。重点研究了粒子滤波的GPS/INS数据融合算法，由于粒子滤波存在粒子退化问题，解决粒子退化问题包括选取合适的重要性概率密度函数和重采样两种方法，而重采样又会出现粒子匮乏问题。针对上述问题，从选取合适的重要性概率密度函数入手，通过对各种已知粒子滤波算法的研究，提出一种改进粒子滤波算法，改进的粒子滤波算法采用IMM-UKF算法产生重要性概率密度函数，相比于其他粒子滤波算法中的重要性概率密度函数更加逼近系统的状态后验概率。通过与无迹卡尔曼滤波算法进行分析比较，该改进算法的估计精度优于无迹卡尔曼滤波算法。