基于MEMSIMU的捷联惯导系统(SINS)与全球定位系统(GPS)构成的组合导航系统由于其低成本、优秀的导航能力和彼此之间强烈的互补性,已经成为全球导航系统领域的研究和开发热点,具有十分广阔的应用前景。而信息融合技术是SINS/GPS组合导航系统研究应用中的一个主要方向,研究如何从精度、可靠性和连续性上提高MEMS/GPS组合导航系统的性能具有重要的意义。本文的具体内容如下:首先,介绍了组合导航系统及其数据融合算法的研究现状,以及惯性导航系统和INS/GPS组合导航的基本原理,针对惯导系统高度通道不稳定性的问题设计了三阶阻尼回路,并给出了惯导系统的力学编排;详细推导了 MEMS惯导的线性和非线性误差模型。其次,分析了惯性传感器的误差特性,包括系统误差和随机误差;利用Allan方差法分析了 MEMS陀螺仪和加速度计的随机误差;使用卡尔曼滤波实现对MEMS IMU偏差的估计和补偿,有效提高了 INS的精度和稳定性。再次,针对MEMS/GPS松组合导航系统模型,使用三种滤波方法:经典的KF、能利用新息估计噪声方差的线性IAE-AKF和适用于非线性系统的EKF,采用实际的车载实验数据对组合系统进行了仿真和对比分析。结果表明,三种组合滤波效果基本相同,其中KF为最优;对于大失准角情况下的非线性系统模型,三种滤波方法都能快速收敛,并且达到小失准角情况下的精度和稳定性。最后,针对GPS信号中断期间组合系统的精度和性能会下降的问题,使用随机森林算法对INS/GPS进行数据融合,当GPS信号有效时进行学习训练,构建能反映输入输出量之间关系的随机森林,当GPS信号无效时进行预测导航参数。研究了决策树和随机森林的原理和构建方法,以及如何使用袋外(OOB)数据估计森林的预测误差,详细探讨了如何将随机森林算法应用到MEMS/GPS组合导航系统之中。仿真结果证明,随机森林算法具有较好的学习和预测能力,能够实现连续、可靠和高精度的位置和速度输出。