卫星定位系统已被广泛应用于车辆、航空航天、船舶等领域,但单模系统在定位精度、稳定性方面已经不能满足人们对高精度、高可靠性的需求。此外,单模卫星定位系统因信号遮挡,其可观测卫星数量减少,导致定位精度下降以及无法连续性定位。因此,GPS（Global Positioning System）/MEMS（Micro-Electro-Mechanical System）等组合定位技术逐渐发展起来,用以解决这些问题。现已成为定位技术领域的研究热点。本文基于BDS（Bei Dou Navigation Satellite System）/GPS双模卫星与MEMS捷联惯导的组合方式展开定位技术的研究。针对传统无迹卡尔曼滤波（Unscented Kalman Filter,UKF）存在的滤波发散、抗干扰能力差等问题,从滤波系统的稳定性、鲁棒性以及参数取值方面进行改进,提高组合定位系统的定位精度。具体研究内容包括:首先,介绍了全球卫星导航系统（Global Navigation Satellite System,GNSS）、MEMS惯性导航系统以及双模卫星与MEMS捷联惯导系统组合定位技术研究背景及意义。分析了现有系统的定位原理和所采用的技术,凝练出现有定位技术存在的问题。针对这些问题指明解决方法,从而确定了研究内容。其次,由于UKF算法在组合定位系统中易受外界因素干扰,使得到的量测信息以及噪声协方差矩阵均存在一定误差,导致滤波精度下降。针对这一问题本文提出一种改进的UKF（IUKF）算法,通过判断系统滤波的状态对自适应因子进行取值,进而对状态预测协方差矩阵、量测协方差矩阵、更新状态协方差矩阵、过程噪声协方差矩阵以及观测噪声协方差矩阵进行修正。实现提高系统滤波抗干扰能力,克服UKF因系统不准确性干扰导致的滤波精度下降及发散的问题。以NRF51822为主控,ATGM336H-5N为BDS/GPS双模卫星定位模块,MPU6050为MEMS捷联惯导模块,结合MATLAB设计系统半实物仿真平台,从仿真波形、最大最小误差、误差均值等方面与现有算法进行对比,验证了算法的有效性。最后,为了进一步提高系统滤波精度及稳定性,提出了一种狮群优化的IUKF算法。通过引入狮群优化算法（Loin Swarm Optimization,LSO）,对系统滤波中的过程噪声协方差矩阵以及观测噪声协方差矩阵初始取值进行优化,解决了因其初始取值不当引起的系统滤波精度下降的问题,同时节省了因人工反复实验进行取值而耗费的大量时间和精力。以硬件平台和MATLAB结合的方式进行半实物仿真实验,从仿真波形、最大最小误差、误差均值等方面与现有算法对比,验证了算法的可靠性。本文基于BDS/GPS/MEMS的组合,提出了改进的UKF以及在其基础上引入狮群优化算法来提高系统的定位精度。通过搭建的半实物仿真平台中对相应算法进行了综合测试,结果表明所提出的方法不仅能有效提高滤波精度,增加系统稳定性,而且提升了系统鲁棒性。能有力促进双模卫星/MEMS组合定位技术发展,为系统广泛应用提供了理论支撑。