现今,惯性导航系统在军事和民用领域中发挥越来越重要的作用。惯性导航具有不受外界干扰、不受地形和恶劣天气影响、隐蔽性好、数据更新率高、短期精度好以及能够同时提供载体的位置、速度、姿态信息等优点。初始对准是捷联惯导系统的关键技术,直接影响到导航系统的精度。本文分析了捷联惯性导航系统的工作原理、误差特性、干扰特性等,建立了静基座下捷联惯导系统的误差模型。当惯导系统存在模型不确定性、噪声统计特性未知、多种类型干扰等问题时,传统卡尔曼型滤波器的稳定性和鲁棒性有所欠缺。因此需要设计一类基于抗干扰滤波的捷联惯导系统初始对准方法,提高导航精度。本文的主要工作及创新点如下:针对捷联惯性导航系统中模型误差难以精确测量,大部分已有的初始对准方法将模型误差假设为高斯白噪声的局限性,提出了一种预测迭代卡尔曼滤波方法。使用预测滤波器估计出惯性器件引起的模型误差,同时利用迭代卡尔曼滤波技术,防止一步预测误差过大,导致结果不稳定。通过预测模型误差以及调整模型误差的权值,预测迭代卡尔曼滤波器比传统卡尔曼滤波器稳定性更好、对准精度更高。针对基于卡尔曼滤波的惯导对准方法难以精确估计噪声和外部干扰、抗干扰能力不强的问题,提出了一种含遗忘因子的平滑变结构滤波器。滤波器中加入遗忘因子限制平滑变结构滤波器的记忆长度,充分利用现时的测量数据,提高现时数据在状态估计中的权重,以此避免滤波发散。当惯导系统中含有非高斯干扰时,含遗忘因子的平滑变结构滤波器比传统卡尔曼滤波器精度高、抗干扰能力强。平滑变结构滤波器本质是一种次优滤波器,当系统噪声为高斯白噪声、且系统正常运行时,精度比最优的卡尔曼滤波器略差。针对惯导系统模型中噪声统计特性未知的问题,提出了一种卡尔曼平滑变结构组合滤波的方法。通过定义一个全平滑有界层,进行最优估计。当平滑边界层小于恒定边界层时,采用传统卡尔曼滤波,提高对准系统的精度;当平滑边界层大于恒定边界层时,采用平滑变结构滤波,提高初始对准系统的鲁棒性。以此融合平滑变结构滤波算法的鲁棒性和卡尔曼滤波算法的准确性。仿真和实验结果验证了本文的抗干扰滤波算法,从结果可以得出,本文所提出的抗干扰滤波方法能提高惯性导航系统初始对准的精度和稳定度,具有一定的抗干扰能力和鲁棒性能,为高精度惯性导航系统的设计提供了基础。