远古时期，人们利用星辰、指南针进行导航。现在，科技的进步我们拥有了惯性导航系统、GPS导航系统帮助我们导航定位。随着科技发展，学者们采用多传感器融合技术，将多类信息按照某种最优融合准则进行“融合”，让导航领域中出现了各种各样的组合导航方案，如光纤陀螺捷联惯导系统、低成本的MEMS/MOEMS陀螺捷联惯导系统与GPS、GLONSS、“北斗”导航系统组合的导航系统等等。
GPS卫星模拟图
组合导航技术的“秘籍”是信息融合算法，即将惯性导航与GPS系统的导航信息“融合”在一起的方法，为了获取更精确的导航位置、速度、姿态信息。
从20世纪50年代开始，国外的学者开始研究如何将两个导航系统的信息进行融合，卡尔曼率先提出了一种线性滤波器，后来被命名为卡尔曼滤波器（Kalman Filter，KF）。这个滤波器具有过滤的功能，可以将惯性导航系统的惯性元件（Inertial Measurement Unit, IMU）解算出的导航位置、速度等信息与GPS导航系统输出的位置、速度信息巧妙地融合在一起，过滤出偏差，给出导航位置、速度、姿态的最优值。卡尔曼滤波器的思路其实很简单，它利用当前时刻的观测到的位置、速度信息与上一时刻的滤波后得到的估计值，通过层层递推来给出导航位置、速度、姿态这些变量的最优估计，给出最优的导航位置、速度、姿态。
卡尔曼滤波器以及由它延伸出的各种滤波器受到研究者的重视并被广泛地应用与组合导航系统中。研究者把标准的卡尔曼滤波器推广到了其它场合，比如在非线性滤波中，将标准卡尔曼滤波进行扩展得到扩展卡尔曼滤波；以及在系统未知或者时变的噪声情况下，研究人员将可以适应噪声变化的卡尔曼滤波器引入到组合导航系统中，被称之为自适应卡尔曼滤波。（作者：王语嫣）
（来源：环球网）
