在计算机技术和惯导理论快速发展的二十一世纪,捷联惯性导航系统(Strapdown Inertial Navigation System,简称SINS)的优越性逐步体现,其通过把惯性测量元件(IMU,陀螺仪和加表)与载体固连,因而省去实体机电平台等结构。目前对于传递对准的研究主要是体现在非刚体运动产生的挠曲变形和杆臂补偿问题,通常把主惯导当成高精度无误差的,进而来完成主子惯导信息传递。考虑到载体航行过程中,主惯导会进行阻尼切换而出现动态超调,进而会引起对准失真。目前的研究,主要是通过对阻尼网络的处理来完成平滑切换。考虑到若在主惯导的参数指标中给出速度误差和姿态误差的指标,这样就可以把主惯导误差直接引入到量测信息,来进行仿真分析。本文拟对动态超调引起的卡尔曼滤波器(kalman filter,简称KF)量测误差进行自适应处理,再通过对卡尔曼滤波数据融合过程进行改进,来提高对准速度。本课题首先对研究背景以及惯导基本理论进行了说明。在惯导系统基础上,对捷联惯导系统传递对准姿态误差、速度误差以及位置误差方程进行了建立,并对加表和陀螺仪误差进行建模。介绍了离散性卡尔曼滤波基本方程,并对速度加姿态匹配方式下的传递对准状态方程和量测方程进行建模。接着对惯导系统阻尼问题进行理论分析并仿真验证。通过对周期振荡误差产生机理的分析,来说明给系统加入阻尼网络的必要性,以及对两种基本阻尼网络的选取进行了理论说明。详细分析了因载体机动和阻尼切换引起的超调误差以及影响外速度阻尼超调误差的因素。基于此,对主惯导系统不同阻尼状态之间的切换以及外速度常值误差的变化对系统输出的影响进行仿真,并引入卡方检测技术,对因主惯导动态超调造成的卡尔曼滤波量测误差问题进行检测。最后通过对常规自适应滤波的分析,引入了对量测量的优选算法,并将主惯导动态超调误差的峰值引入量测,来对传递对准失准角进行仿真分析。鉴于量测误差发生到被处理浪费了一段时间,提出数据复用的思想来提高状态量收敛速度。通过将正逆向循环解算与卡尔曼滤波过程进行数据融合,即将正逆向循环解算加入到每一个点的解算(即每一次的惯导解算)中,来对失准角进行估计。通过对常规传递对准和改进后的快速对准算法进行对比仿真,来观察状态量估计误差的收敛情况。