以惯性装置为主要传感器的组合导航方式即可称为惯性基组合导航方式。本文从两个方面对如何提高惯性基组合导航在动态环境下的精度进行了研究:提高惯性导航在高动态环境下的姿态解算精度;提高惯性基组合导航在动态环境下的滤波精度。对于惯性基组合导航系统来说,在高动态的环境下,卡尔曼滤波的量测更新往往受到一定的限制,此时,组合导航系统只能工作于纯惯性导航的模式,所以,高精度的惯性导航姿态解算至关重要。1.推导了等效旋转矢量微分方程的二阶、三阶、四阶、五阶和六阶毕卡迭代解。以广义的角速率环境为前提,推导了各阶毕卡解的解析值,对传统等效旋转矢量算法精度不能提高的深层次原因进行了分析。解释了传统等效旋转矢量算法在高动态环境下,当采样率有限时,单纯靠提高子样的个数来解算等效旋转矢量不能提高姿态解算的精度,因为传统算法中未考虑到的高阶项在高动态的环境下会激励出较大的误差。2.提出了一种新的基于等效旋转矢量的姿态更新算法结构。一阶、二阶(低阶)等效旋转矢量部分以高频率进行解算(在系统底层执行),用来克服高频振动带来的较大误差,而三阶、四阶(高阶)等效旋转矢量部分以姿态更新频率进行解算(在系统外部以姿态更新频率执行),主要用来补偿高动态和大机动环境激励出的较大误差。一阶、二阶、三阶、四阶等效旋转矢量部分最后以姿态更新频率合并进行姿态更新。本文所设计的算法对于工作在高动态和大机动环境下的载体具有较大的意义。尤其对在采样率有限情况下的实时高精度姿态解算,或者事后处理中的高精度姿态解算具有重要价值。其次,研究了如何提高惯性基组合导航在动态环境下的滤波精度。第一个方面,在不完全可观的环境下,由于传统基于扩展卡尔曼滤波的惯性基组合导航方式很容易出现状态方差估计不一致的问题,提出了两种组合导航卡尔曼滤波方式用来克服方差估计不一致的问题。第一,是基于状态变换的卡尔曼滤波方式。第二,是基于李群李代数的卡尔曼滤波方式。二种滤波方式均可以用来防止组合导航系统出现方差不一致的问题,进而可以提高导航精度。第二个方面,研究了如何提高基于多视图的惯性与视觉紧组合导航滤波精度以及减少计算量的问题。3.提出了状态变换卡尔曼滤波和李群李代数卡尔曼滤波的组合导航滤波方式。建立了基于状态变换卡尔曼滤波的惯性与卫星松组合和紧组合在北东地坐标系下和地心地固坐标系下的组合导航模型。建立了基于李群李代数卡尔曼滤波的惯性与卫星在地心地固坐标系下的组合导航模型。所提出的状态变换卡尔曼滤波和李群李代数卡尔曼滤波不仅可以解决方差估计不一致的问题,亦可以用来解决在初始大失准角情况下的初始对准问题。4.提出了利用四视图几何约束关系的惯性与视觉紧组合导航滤波方案。利用四视图的几何约束关系,即四焦张量建立惯性与视觉紧组合导航的观测模型。卡尔曼滤波采用最少Sigma点的平方根无迹卡尔曼滤波,相比标准的平方根无迹卡尔曼滤波,可以减少近一半的滤波计算量,并且可以保证紧组合导航系统的非线性精度。