滤波技术是组合导航系统中的关键技术之一,各种滤波理论往往率先在导航领域中应用,同时导航系统的需求也促进了滤波理论的发展。组合导航系统中有很多非线性环节,有时传统的线性滤波方法难以解决这类问题。粒子滤波虽然在理论上能较好地解决系统的非线性滤波问题,但同时存在计算量大等缺点,在组合导航系统中难以取得理想的滤波效果。本文系统的研究了非线性粒子滤波及其在组合导航系统中的应用,根据组合导航系统的模型特点,结合各种线性、非线性滤波方法,提出了采用一些混合滤波技术解决组合导航系统的滤波问题,并取得了综合性能优于传统算法的滤波效果。论文首先系统的分析了组合导航滤波模型的建模方法,组合导航系统中常常会出现线性/非线性混合滤波模型。组合导航系统本身是一非线性系统,无论是导航参数的解算还是导航方程的建立都涉及到非线性问题,同时工程上常采用误差小量建立近似的线性滤波方程。当导航信息的获取、导航传感器模型的建立、载体的运动状态等受到某些条件约束时,采用混合模型能更准确更简单的描述系统的滤波模型。论文分析了混合滤波模型的滤波特点并分析了组合导航系统中混合滤波模型的建模方法。针对组合导航系统中出现的线性/非线性滤波模型,论文分析了采用混合粒子滤波解决这类滤波问题的滤波策略,提出了一种以高斯粒子滤波(GPF)为基础的混合粒子滤波方法。GPF在滤波的实现过程中,需要获取状态量的高斯分布参数,同时仍然使用粒子滤波的算法原理和流程。这使得GPF能很好的和其它的高斯滤波方法如KF、EKF、UKF等方法结合起来,从而产生综合性能更优的新滤波方法。这类算法的核心思想是根据系统的线性/非线性模型特点,按滤波的实现流程把系统分为线性部分和非线性部分,对于线性部分采用传统的滤波方法实现,如获取GPF的滤波参数,对于非线性部分保留GPF的原有算法流程。改进后新的算法能在保证系统的滤波精度的前提下,显著减少算法的计算量,从而使其更适合于组合导航系统,该改进策略同样可以适用于弱非线性/非线性混合滤波系统,从而扩大了其应用范围。对于组合导航系统中出现的部分非线性状态量构成的线性/非线性混合系统,论文分析了采用边缘粒子滤波算法(RBPF)的具体实现流程和和滤波性能特点。RBPF算法的基本思想是采用结构分解的方式把系统分为线性子空间和非线性子空间,该算法的难点是分解后线性部分和非线性部分相互耦合,算法实现复杂。论文首先建立了SINS/GPS线性/非线性混合滤波模型,根据边缘概率理论对系统模型进行了结构分解,具体分析了基于RBPF算法的组合导航系统滤波算法流程。仿真结果表明RBPF算法有效的降低了粒子滤波中非线性部分的维数,使抽样所需的粒子数显著减少。在选取相同粒子数目前提下,提高了滤波精度,从而有效的减少了滤波的计算量。同时论文研究了采用本文提出的新算法混合高斯粒子滤波方法对组合导航系统进行数据处理。与RBPF滤波方法不同,混合高斯粒子滤波主要思路是通过优化滤波流程从而提高滤波性能,混合高斯粒子滤波按滤波的时间顺序把GPF分为线性阶段和非线性阶段,对于线性阶段采取传统的方法获取GPF的分布参数,其余部分仍然采用粒子滤波框架实现。混合高斯粒子滤波算法流程更加简洁,该方法在粒子数目较多的情况下具有明显的优势。最后,本文针对分散滤波中出现的部分子滤波器的非线性环节,提出一种混合联邦滤波算法,并把该方法应用于多信息融合组合导航系统中。当系统中存在部分非线性环节时,传统的联邦卡尔曼滤波需要对系统进行线性化和重新设计,会影响系统的建模和滤波性能。混合联邦滤波算法的主要思路是采用粒子滤波解决子滤波器中的非线性滤波问题,对于线性子滤波器仍然采用线性KF。然后在主滤波器中把各子滤波器的信息有机的结合起来,获取综合性能更优的滤波效果,从而提高导航性能。与传统的联邦卡尔曼滤波器采用KF的滤波框架相比,混合联邦滤波算法不受各子滤波器的线性高斯假设限制,应用范围更广泛,滤波建模也更为方便。