为了提高运输效率和增强安全保障,各国相继开展了对车辆导航定位系统的研究。选择怎样的定位方式是车辆导航定位系统的关键。GPS和DR是最常用的两种定位方法,将两种定位方法有效结合构成车载GPS/DR组合导航系统,能得到更精确的定位结果。实现GPS/DR组合的核心问题是数据融合方案的设计,因此,选用一种良好的数据融合方式,来提高数据融合的精度也就成为研究的重点。主要工作包含以下几个部分：首先,对车辆导航定位系统、滤波技术的发展进行了综述,介绍了GPS/DR组合导航系统的原理。其次,采用扩展卡尔曼滤波(EKF),对单独的DR系统和车载GPS/DR组合导航系统进行滤波估计。采用EKF时,非线性系统必须要进行线性化,从而导致滤波结果有较大的误差。然后,以EKF为基础,研究了粒子滤波(PF, Particle Filter)在GPS/DR组合导航系统中的应用。PF中存在的主要问题是粒子集的退化问题,目前解决退化问题主要有两个方面：重要性函数的选取和重采样。本文从这两个方面入手,利用扩展Kalman滤波产生重要性函数,充分利用了观测信息,更接近于真实状态。又由于在系统重采样方法中容易引入误差,从而,基于范数概念将变量的误差限定在一定范围内,并设定门限,来表征粒子的退化程度,对大权值粒子的选择更合理。最终,结合这两个方面,提出了改进的粒子滤波方法。随后,应用Matlab仿真,针对GPS/DR组合导航系统模型,从东向位置和东向速度两个状态的估计值、真实值对八种滤波结果进行了比较。分析了扩展卡尔曼滤波算法、粒子滤波算法以及改进的粒子滤波算法的优劣性。最后,对本文所做的工作进行了总结,并指出有待进一步研究的方向。