地磁导航是一种无源、自主、全天时、全地域的导航方式。地磁辅助惯性导航能够克服惯性导航误差随时间积累的不足,同时还能使系统在任何环境下自主作业且具有较强的抗干扰能力,因此惯性/地磁组合导航在军事领域具有广泛的应用前景。本文主要是针对惯性/地磁组合导航关键技术之一的滤波技术进行研究。首先,论文介绍了SINS和地磁导航的基本工作原理,及SINS的力学编排和误差方程,并对国际地磁参考模型进行仿真。其次,论文通过SINS误差方程和国际地磁参考模型对惯性/地磁组合导航进行系统建模。同时根据量测方程的非线性特性,对几种常用非线性卡尔曼滤波(扩展卡尔曼滤波、无迹卡尔曼滤波和容积卡尔曼滤波)进行简单介绍,通过一维单变量非平稳增长模型和五维目标跟踪模型验证了容积卡尔曼滤波(CKF)的滤波性能最佳,并利用CKF仿真分析了地磁辅助惯性导航的可行性,仿真定位精度为几百米范围内。再次,论文针对地磁场发生缓慢变化而使地磁场模型建立不准确问题,介绍了一种神经网络辅助CKF算法。该算法采用状态扩维的思想,利用CKF进行滤波估计的同时在线进行神经网络连接权值的训练,并利用神经网络对系统模型进行修正。通过与神经网络辅助EKF/UKF仿真比较,验证了该算法具有较优的滤波性能。最后,论文基于神经网络辅助CKF(NN-CKF)进行惯性/地磁组合导航仿真。首先,针对模型不准确问题,仿真验证了神经网络辅助CKF能够实现对模型误差的在线修正,提高了组合导航系统的可靠性。然后,针对野值问题,对系统进行容错性设计,给出了一种基于新息正交性质的神经网络辅助CKF容错滤波算法,并通过仿真验证该容错算法在有野值的情况下依旧能够稳定输出,提高了组合导航系统的稳定性。