设计结合起来，建立一种系统化的思维，是目前及下一阶段亟待解决的问题。
2组合导航系统概述
组合导航，是利用GPS、无线电导航、天文导航、卫星导航等系统中的一个或几个与惯导组合在一起，形成的综合导航系统。
2.1 GPS系统
GPS是英文Global Positioning System（全球定位系统）的简称，它是一种高精度的全球三维实时导航的卫星导航系统，它具有全球全天候连续的导航定位功能，定位精度高、可靠性强，是一种先进的导航设备。但是GPS全球定位系统也存在着一些不足之处，主要是：GPS接收机的工作受飞行器机动的影响，当飞行器的机动超过GPS接收机的动态范围时，接收机会失锁，从而不能工作，或者动态误差大，超过允许值，不能使用。当用在无人驾驶的飞行器上时，由于GPS接收机数据更新率低，因而难以满足实时控制的要求。另外当导航工作卫星故障以及在山区等有遮挡地区，机载卫星导航系统能观察到的导航卫星减少也会使导航精度降低，因此目前只能将其作为辅助导航设备使用。此外，由于GPS的星历广播数据率相对比较低（50b/s），GPS的导航解算的输出速率，也相对是比较低的。因此单用GPS系统，还不能满足高速移动平台的定位需要。
2.2 航程推算系统
航程推算系统（DR）常被应用于导航领域，是一种基本的导航方法，其原始含义是在不可能观测太阳或星辰时，仅凭船只或飞机早先的位置以及以后的航向和速度所做的推算。随着技术的发展，航程推算所使用的设备发生了变化，但其基本思想仍是利用载体上的传感器采集数据，对载体的位置进行推算。它是一种自主导航系统，依靠空速传感器、磁航向传感器和垂直陀螺来实现，计算量不大，计算机容易实现，短时间范围内精度较高。但同时它也存在一些原理上的误差，由于环境因素等干扰严重，会造成推算精度较低，随时间的推移而造成误差的积累会发散等等问题。
航程推算导航是一种较早应用且简单的方法。它常被应用在潜艇、飞机等载体上，通过自动驾驶仪将载体保持在水平状态，靠罗经（如磁罗经，电罗经）来给出航向，依靠螺旋桨的旋转速度来估算航速，或使用电磁船速仪测量对水速度，以此估算船位。DR的主要误差源包括未知水流、螺旋桨打滑、不精确的罗经航向以及航行器的姿态误差等，导航误差积累很快，一定时间（比如3分钟）就达到相当水平，一般大于航程的3%。基于这样的特点，DR系统常与其他系统一起形成组合导航。
2.3无线电导航定位系统
无线电导航定位系统是利用无线电技术对飞机、船舶或其他运动载体进行导航和定位的系统，无线电导航技术的基本要素是测角和测距，因此可以组成测角测角、测距测距、测角测距、测距差等多种形式的系统。赋予无线电波以导航信息的方法很多，但都是利用无线电波传播的直线性及其恒定的传播速度两种特性。无线电导航的基准点可以设在地面、空间或卫星上。对远距离飞行的导航精度较低。其定位信息是以极坐标的形式提供（即斜距、俯仰角和方位角），由于角度误差的影响，其定位精度会随斜距的增加而减小。
无线电系统测量基于极坐标定位原理，定位精度受方位角的影响较大。由于雷达测量方位角时，受到机构传输间隙的作用，使得系统测量方位角常常含有一些固定频率的干扰信号，因此采用数字滤波的方法可以对其进行滤波，除此之外，还采用新的数据处理方法，特别是卡尔曼滤波等方法。卡尔曼滤波通过运动方程和测量方程，不仅考虑当前所测得的参量值，而且还充分利用过去测得的参量值，以后者为基础推测当前应有的参量值，而以前者为校正量进行修正，从而获得当前参量值的最佳估算。当有多种分系统参与组合时，就可利用状态矢量概念。通常，取误差本身作为状态矢量，不是对速度、方位本身等作出最佳估计，而是对速度误差、方位误差等作出最佳估计。把这一估算从实际测得的速度、方位中减去，就得到此时此刻的速度、方位等参量。
3信息融合技术
3.1信息融合技术概述
多传感器数据融合（Multisensor Data Fusion简称MSDF）在近20年里迅速发展起来，并在现代C2I（Command，Control，Communication and Intelligence）系统中和各种武器平台上以及许多民事领域得到了广泛的应用。伴随着组合导航系统的出现与发展，导航信息处理方法已经由单一系统信息处理转变为信息融合。信息融合原理的实质就是模仿人脑综合处理复杂问题的过程。信息融合又可称作多传感器融合，利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下加以自动分析、综合，以完成所需的决策和估计任务而进行的信息处理过程。
信息融合要充分利用信息资源，经由对通过传感器得来的及其他已经掌握的信息合理使用和支配，对空间或时间上冗余或互补的信息，依据某种准则进行组合，以获得被测对象的一致性解释或描述。信息融合技术的基本目标是利用多传感器系统的优势，推导出更多的信息，提高多传感器系统的功效。多传感器信息融合的关键是所处理的多传感器信息具有更复杂的结构层次，并且能在不同的信息层次上出现，如数据层、特征层、决策层等。
3.2信息融合方法
目前，国内外的信息融合方法主要有以下几种：加权平均信息融合方法、贝叶斯估计信息融合方法、D—S证据理论、模糊逻辑法、神经网络方法、Kalman滤波信息融合方法以及专家系统方法等。
比较以上几种方法，每种方法均有其各自特点：贝叶斯估计需要每一个命题都要有一个先验概率；DempsterShafer证据理论只支持当前信息有效的命题，这样可以避免概率的不稳定性，但DS理论积累单独的信息源，造成事件合并后，事件权重和信任度之间的不合理关系；神经网络需要较大的样本进行训练，使其在一些未知环境中的应用受到限制；卡尔曼滤波如今已逐渐成为多传感器信息融合系统的主要技术手段。基于联合卡尔曼滤波的信息融合算法用于实时地估计系统的误差状态，然后依据最小均方误差估计的控制规律，对组合导航系统中的惯性导航系统进行反馈修正，从而提高整个系统的导航精度。
4信息融合技术在组合导航中的应用
4.1信息融合系统的关键技术
对于组合导航系统而言，多元传感器如惯性导航系统的陀螺仪和加速度计、GPS接收机等是信息融合导航系统的硬件基础，它们获得的原始量测数据是融合的对象，将其按照一定的结构方式进行融合处理，则具有最优估计的融合算法就是整个系统的核心。这样就形成了基于信息融合的组合导航系统。
信息融合系统的关键技术有两部分：1）信息的转换；2）信息的融合。信息融合结构如图2所示：
就组合导航系统而言，各子系统所量测的信息在种类和形式上都有所不同，可能有距离、速度，也可能有角度、加速度等。融合系统首先对这些数据进行预处理以完成数据配准，即通过坐标变换和单位换算，把各传感器输入的数据变换成统一的表达形式，然后将各量测系统所获得的分析结果按一定的算法进行融合，得到最终的目标状态估计。
5结语
信息融合理论与技术在当代军事和工业中的应用越来越普遍，并日益显示出其优越性和重要性。探讨信息融合理论的发展，研究融合技術在组合导航中的应用，设计出快速、有效且稳定性高、容错性好的信息融合算法，有效地提高导航系统的综合能力已成为未来发展的一个方向。
参考文献：
[1]穆荣军，崔乃刚.多传感器优化融合模型的理论与仿真研究[J].仪器仪表学报，2006，27（S1）
[2]游文虎，姜复兴.INS/GPS组合导航系统的数据同步技术研究[J].中国惯性技术学报，2003，11（4）
[3]闫钧宣，张科.基于信息融合技术的惯性/多传感器组合导航系统设计[J].计算机测量与控制，2010（10）
[4]秦永元，张洪锥，汪叔华.卡尔曼滤波与组合导航原理[M].西安：西北工业大学出版社，1998