本论文以在复杂环境生存的某高长航无人机机载组合导航系统设计为背景,围绕多源信息融合中的第三类问题,针对组合导航系统的相关技术热点,研究了组合导航系统的多模信息融合结构,故障诊断和系统重构,并对自适应联邦滤波及其最优性分析等问题研究。本文主要做了以下几个方面的研究工作:(1)首先阐述卡尔曼滤波在组合导航的重要应用,以联邦卡尔曼滤波作为组合导航系统基础融合估计算法,总结联邦滤波中系统方程的构建方法,并按照工程需要建立SINS/GNSSS/CNS/SAR组合导航系统的系统方程;其次针对滤波信息分配问题,研究信息分配系数与系统性能的关系,为联邦滤波设计提供理论依据;研究了基于时间序列分析的自适应联邦滤波算法,通过时间序列分析得出信息平滑程度,调整信息分配系数,赋予系统结构以物理意义,提高滤波精度、数据平稳性和信息利用率。(2)从故障检测和重构算法两个方面对容错重构管理算法进行研究。首先介绍了故障检测基本理论和方法,给出系统的故障检测基本策略和具体步骤;然后此基础上,研究了改进的多余度信号重构方法,设计容错重构管理模块,并对改进了的容错重构管理算法进行了仿真建模。在前人研究基础,研究了改进的多余度信号表决算法。利用多余度信号间差值的统计信息,结合自检测和互检测实现信号的故障检测,进而隔离故障信号,并采用基于信息加权均值的表决法进行信号表决,完成输出信号的优选和重构。(3)研究了组合导航动力学模型和观测模型的系统误差的随机加权估计问题。首先阐述了随机加权估计的基本思想,通过模型组合导航系统模型的系统误差问题,然后为了降低模型误差对状态估计的影响,提高导航精度,研究了组合导航动力学模型系统误差的随机加权估计方法;通过新的随机加权估计算法,对模型中的系统误差和观测误差向量协方差阵进行随机加权估计,减小观测误差对状态估计的干扰,提高导航系统的解算精度。