近年来,获得准确的车辆位置信息的需求变得更加迫切。全球导航卫星系统及惯导系统GNSS/INS是目前最常用的陆地车辆组合导航方案,它利用卡尔曼滤波将GNSS量测值与INS预测值进行最优融合,以实现精确、鲁棒的定位。传统的基于卡尔曼滤波的组合导航定位方法将过程噪声协方差和测量噪声协方差配置为预定义常量,不能自适应地表征各种动态环境,在复杂环境下（如城市峡谷、隧道等）无法获得精确连续的定位结果。为了能够在各种复杂动态环境下获得准确、鲁棒的定位结果,本文完成了一种松耦合组合导航仿真系统。本文首先提出了一种基于多任务学习模型的GNSS/INS组合导航噪声协方差估计算法。该算法可以同时优化KF的量测噪声以及过程噪声。使用原始惯性量测值作为输入,利用预测的乘度因子分别对噪声协方差矩阵和量测噪声协方差矩阵进行动态优化。本文在创新算法的基础上,设计了松耦合组合导航仿真系统。本文首先阐述松耦合组合导航定位算法的研究背景以及意义,对相关的理论技术进行调研学习。然后针对系统进行需求分析,确定在现在导航算法研究过程中,需要仿真系统对算法性能进行验证,以简化算法流程。在需求分析的基础上对系统进行总体概要设计以及编码实现,最后对整个系统的进行测试和分析。本文针对三种典型的复杂城市场景,即大道、高架桥、隧道,对收集的实际道路数据集进行了广泛的实验。实验结果表明,与传统的固定设置下基于卡尔曼滤波的组合导航算法相比,该方法的定位误差降低了 77.13%。本文成功完成了松耦合组合导航仿真系统的构建和测试工作,通过对比现存的组合导航算法方法,该方法能够达到较好的定位精度,验证了本文提出方法的有效性。