随着经济的发展和技术的进步，电子技术、通信技术、计算机技术和人工智能的发展在解决交通问题中扮演着越来越重要的角色。采用现代信息技术来对道路网络和城市交通进行更有效的控制和管理，以提高交通的机动性、安全性，最大限度地发挥现有道路系统的交通效率是摆在人们面前的需要迫切解决的一个课题。 而作为智能交通系统核心组成部分的车辆定位导航系统被认为是缓解这一问题的极具潜力的方法。但是目前车辆定位导航系统依然存在很多问题，其中车辆定位结果的精度及可靠性问题和车辆目标跟踪滤波的快速性、准确性问题尤为突出。作为进行空中、海上和陆地导航和定位最为理想的系统，INS/GPS组合导航系统在很大程度上解决了这个问题。而且，组合导航系统利用卡尔曼滤波估计各误差状态，用估计值校正系统，以达到快速准确定位的目的。本文对车辆定位导航中的卡尔曼滤波算法进行了一些探讨和研究，其主要内容如下。 (1)首先概括介绍了关于导航的内容、组合导航系统的发展过程及实现方案。 (2)对车载INS/GPS组合导航系统，在建立了数学模型的基础上，进行了标准卡尔曼滤波算法的推导，并做了大量的仿真。从仿真结果得知，组合导航系统大大地提高了系统的精度，克服了纯惯导系统误差随时间累积的缺点。 (3) 针对INS/GPS紧密组合由于状态变量多而导致系统不稳定问题，研究了INS/GPS组合系统的模型简化方法，而对于滤波方面的卡尔曼滤波发散问题，提出了两种保证数据收敛的算法。而且，对于其中的方法之一，衰减记忆滤波发进行了仿真，并对仿真结果进行比较分析。 (4) 对INS/GPS组合导航系统的联邦滤波算法和自适应滤波算法作了理论的探讨，从理论上得知，这两种滤波算法在实际应用中，优于常规卡尔曼滤波算法。针对联邦卡尔曼滤波，也给出了仿真图形，可以看出，联邦滤波算法明显优于常规卡尔曼滤波算法。可预见这两种滤波算法能够有效地提高滤波跟踪的精度和可靠性，进而提高了车辆组合导航系统的容错性能和精确度。