重力辅助惯性导航技术是各国近年来重点研究的导航技术之一，其原理是在载体航行过程中采集地球重力场数据，通过和重力图匹配来估计载体的水平位置。由于获得地球重力数据是一个无源的过程，因而将重力场信息引入惯性导航系统，可以形成自主、无源、高精度、高隐蔽性、抗干扰能力强的组合导航系统。 本文结合国家863计划项目“新型惯性/重力组合导航系统关键技术”的应用背景，重点研究了相关重力匹配的新方法以及影响重力匹配的主要因素，从理论上探讨了仅依靠重力测量值信息实现惯性/重力组合导航系统的相关匹配定位问题，提出了新的相关重力匹配方法和重力匹配区域选择方法，并对方法的可行性进行了计算机仿真研究。主要研究包括： 1.研究了相关重力匹配的主要影响因素，包括惯性导航系统、重力测量误差、重力图、重力场特征以及重力匹配算法。厄特弗斯效应是影响重力测量精度的主要误差因素，也是影响重力匹配性能的主要因素。针对厄特弗斯效应改正误差主要受航向误差、纬度位置误差和速度误差影响的特点，提出了在搜索模式和跟踪模式下减小厄特弗斯效应对匹配影响的方法，并利用实测重力数据进行了仿真研究。 2.深入研究了重力场特征，提出应该重点关注局部重力场特征对相关重力匹配的影响，提出了重力场抗噪性能的计算算法，给出了重力匹配区域的选择准则。在重力图上使用移动局部计算窗口的方法对局部重力场统计特征包括粗糙度、标准差、相关性、坡度、信息熵以及抗噪性能等进行了计算，使用填色等值线图进行对比和分析，确定使用局部重力场标准差、相关系数和抗噪性能等参数来刻画重力场特征，据此给出了匹配区域选择的经验性数量指标，并利用实测重力数据进行了仿真研究。 3.研究了相关重力匹配的新方法。针对跟踪模式下的重力匹配问题，提出了一种新的匹配算法，根据相邻两个采样时刻载体的速度差别不大的特点，把重力仪测量值序列中相邻两个重力值相减得到一个新的采样序列，然后使用新的采样序列进行匹配，算法可以显著降低厄特弗斯效应的影响。针对搜索模式下的重力匹配问题，从模式识别的角度分析了相关重力匹配过程，提出了一种基于模式识别思想的重力匹配方法，通过把重力测量数据对照重力图分类而估计载体的水平位置。分别使用概率神经网络和支持向量机工具进行分类，提出了基于概率神经网络的重力匹配方法和基于支持向量机的重力匹配方法，并进行了计算机仿真模拟。 4.尝试将重力辅助导航技术应用到航空导航领域，研究了航空重力匹配方法。由于航空重力仪的测量值中包含各种误差因素，特别是存在厄特弗斯效应估计误差，按照匹配算法估计出的匹配位置往往不是飞行器的真实位置，而是随机分布于真实位置周围。根据这个特点，将相关匹配中的均方差算法(MSD)和Monte Carlo方法结合，提出了基于Monte Carlo的航空重力匹配算法，以对重力测量数据进行若干次随机干扰后的匹配位置的均值作为最终匹配位置，并进行了仿真模拟。