本报告是在总结参与的相关研究项目基础上,对地地导弹中卫星与惯性组合制导的容错性能、实现技术、方案进行了系统分析研究.主要工作和贡献在于如下几个方面:1.从空间增强技术、用户增强技术及地面增强技术多个方面分析了提高双星导航系统可靠性的技术措施.从空间技术方面,该报告立足现有双工作星+备份星方案,提出了无节点无源导航方案.从用户增强方面,报告给出了弹上时钟辅助无源导航方案、基于R-R紧密组合的无源无节点导航方案及RDSS与其它导航系统(如罗兰C、GPS)等组合方案,给出了实际跑车及仿真分析结果.从地基增强技术方面,主要探讨了虚拟卫星地面增强技术.由于我国Loran C通信链路已经具有一定的建设规模,报告还初步仿真分析了利用Loran C发射台站作为虚拟卫星的可行性及实现精度.2.在系统分析卡尔曼滤波稳定性及容错性的基础上,提出了容错性能更强的用于GPS/INS级联组合的H∞鲁棒滤波,仿真结果表明给出的H∞滤波的容错性能和鲁棒性能优于传统卡尔曼滤波.3.基于Carlson联邦滤波器理论,针对巡航导弹中GPS卫星导航系统(或GNSS)、RDSS双星导航系统与平台惯导系统(PINS)组合,在Carlson NR模式联合滤波算法基础上,提出了基于卫星几何精度因子PDOP和基于状态估计协方差阵,在线实时选择变信息分配因子的两种方法.从而构成了自适应联合滤波结构.并基于卡尔曼滤波的新息统计规律,给出了可以在线检测卫星导航系统测量故障的残差x<2>检测法和状态一致检测法,给出了在故障环境中系统的重构方法.结合仿真分析了联邦组合制导的容错性能.4.根据模糊推理及神经网络设计了卫星与惯性组合制导中的智能容错卡尔曼滤波,该智能容错卡尔曼滤波对测量野值的适应范围远大于传统的卡尔曼滤波,并且在状态估计中能够更多地充分利用新息信息.同时给出了智能容错卡尔曼滤波在GPS/INS组合制导中的应用结构.给出了基于模糊推理及神经网络设计的联邦滤波信息分配因子的智能选择器,并基于该智能选择器,构建了GPS/IDSS/INS智能容错联邦滤波算法.本文的研究工作探讨并解决了地地导弹卫星导航系统和惯性导航系统组合制导理论研究及工程应用中存在的一些亟待解决的问题,具有重要的理论意义和实际工程应用价值.