GPS(Global Positioning System)定位精度高,没有误差积累,但遇到障碍物会影响信号的正常接收而无法定位。航位推算(Dead Reckoning, DR)在短期内具有较高的定位精度,但定位误差随时间发散。地图匹配(Map Matching,MM)是一种基于数字地图道路信息的辅助定位技术。融合GPS、DR和MM信息有利于提高定位系统的精度、可靠性和适应性,是组合定位技术的关键。论文工作结合一款低成本车载导航系统的开发,目标为设计一种实时性好、精度适中、工作可靠,适合于低成本工程实现的组合定位方法。论文首先对比研究了集中卡尔曼滤波器和改进联合卡尔曼滤波器在GPS/DR组合定位中的应用。由于联合卡尔曼滤波具有更好的容错性和设计灵活性,选择联合卡尔曼滤波作为组合定位的基本融合算法。在联合卡尔曼滤波器设计中,根据GPS和DR子系统对位置、速度和加速度估计精度的差异,提出采用两组信息分配系数对子系统状态、协方差反馈重置。一组用于位置状态反馈,另一组用于速度和加速度状态反馈,并根据GPS的定位误差自适应调整分配系数。为减小主滤波器的融合计算量,在假设各状态噪声相关性低的条件下,提出以状态协方差阵的主对角阵代替协方差阵。仿真试验表明,算法融合精度略有下降,但显著降低计算量,提高了算法的实时性。根据卡尔曼滤波新息过程的统计特点,将新息过程部分反馈到DR方程以抑制DR的误差发散。实时道路试验表明,设计的联合卡尔曼滤波算法具有实时性好,融合精度高和工作可靠的优点。卡尔曼滤波的融合性能依赖于对象模型的准确性,计算量大,并且存在数值稳定性问题,不适于在低计算能力处理器上实现。论文提出基于模糊推理逻辑的GPS/DR组合定位方案,模糊逻辑的3个输入分别为GPS误差估计、DR误差估计、GPS与DR输出偏差。在静态试验的基础上建立了以HDOP、GPS与DR速度差、GPS接收机估计定位噪声标准差为输入变量的GPS定位误差经验模型,分析推导各子系统的误差构成,在试验的基础上,设计了模糊推理规则表。对地图匹配技术进行研究,提出基于D-S证据理论的地图匹配的实现方法。为正确识别车辆在电子地图非道路区域,将NE(皆否)作为子集加入到识别框。考虑道路连续性,将联合支持度函数改写成回归形式。为抑制单独DR定位时的误差发散,提出在DR/MM组合定位中,用卡尔曼滤波器估计DR定位误差。当D-S证据推理给出的候选路段支持度和证据冲突程度满足设定要求时,用估计的误差修正DR方程。在卡尔曼滤波方程中,沿路段纵向的观测噪声根据路段长度和误差概率计算,以解决地图匹配在沿路段纵向的误差不可观问题。