捷联惯性导航是一门涉及多种精密学科领域的综合科学技术。由于其导航原理是建立在惯性传感器的测量和数字积分运算的基础上,任何微小的器件输出误差和算法误差都会随时间累积,导致导航误差不断增大。为了获得高动态环境下的高精度导航结果,一方面要不断提高惯性传感器的精度和高动态量程,并通过误差建模和补偿手段减小惯性器件误差对导航精度的影响。另一方面捷联惯性导航算法本身也需要随之发展,提高在高动态背景,特别是如圆锥运动、强振动、划桨运动等恶劣环境下的性能,与惯性器件的输出相匹配,最终满足现实对高动态和高精度捷联惯导系统的整体要求。本文对高动态环境捷联惯导系统信号处理及高精度姿态速度算法进行了深入研究。研究分为三个方面:1)陀螺仪随机误差的分析和建模研究;2)高动态环境下高精度的捷联惯导姿态算法研究;3)高动态环境下高精度的捷联惯导速度算法研究。目的是通过对陀螺仪误差的建模和导航算法的优化,进一步提高纯捷联惯导系统的精度。陀螺仪的性能对捷联惯导系统的精度影响至关重要。对陀螺仪输出噪声的建模和补偿,一直是高精度捷联惯导系统的关键技术之一。本文对陀螺仪随机噪声的时间序列建模方法进行了深入研究。根据陀螺仪随机噪声的自相关和偏相关特性的不同,将AR/ARMA模型参数设为系统的状态量,采用未知定常/时变观测噪声估值器估计观测噪声的统计特性,通过自适应/鲁棒Kalman滤波得到AR/ARMA模型参数的最优估计。相比传统建模方法,该方法能够快速经济的估计出模型参数,减少采样时间;并根据新的样本信息修正原有模型参数,使建立的模型能及时反映和跟随噪声特性的变化,提高了建模精度。还对陀螺仪随机噪声的MA建模方法进行了研究,针对传统的建模方法计算量大、收敛速度慢等问题,将Gevers-Wouters法和新息递推估计法分别应用在陀螺仪随机噪声的MA模型建模中,有效提高了对MA模型参数的估计速度。在捷联导航算法的编排中,姿态算法的作用至关重要。传统捷联导航旋转矢量姿态算法的建立一般多基于一阶旋转矢量微分方程,其精度能够满足大多数应用场合的要求。但在一些高动态环境、如圆锥运动、强振动等场合,传统旋转矢量姿态算法仍需改进提高。本文对传统圆锥姿态算法推导过程中的一处关键性假设进行了补充证明,完善了圆锥算法的推导过程。并对传统圆锥算法的误差构成进行了深入分析,针对其近似误差与常值漂移误差相比不能被忽略的特点,提出了二阶圆锥优化算法。该算法基于二阶旋转矢量真值模型,包括角增量和角速率两种输入形式。在不增加单次更新周期内采样次数的前提下,该算法能够有效减少近似误差,有效地提高了姿态算法的整体精度。同时,在分析非圆锥运动环境(振动和非振动)下各类旋转矢量算法性能的基础上,还提出了在振动环境下具有最优算法性能的二阶旋转矢量姿态算法。除了姿态算法,速度算法的性能也对捷联惯导系统的综合性能产生重要的影响。一般把划桨运动下算法性能的高低做为衡量捷联导航速度算法在高动态环境下性能优劣的标准。针对现代惯性传感器输出的多样化和高精度特点,以及捷联惯导系统中陀螺和加速度计的信息输出及组合有多种不同形式的现状,本文提出了基于角增量和比力输出,以及角速率和速度增量输出的划桨优化算法。在采用对应传感器输出的捷联惯导系统中,该算法可以直接根据惯性传感器输出进行速度解算,并能对速度计算过程中由比力矢量积分产生的不可交换性误差进行很好的补偿,算法精度更高。适合应用于采用角增量陀螺仪和比力加速度计,或者角速率陀螺仪和速度增量加速度计的高精度捷联惯导系统中。本文的研究工作有助于进一步提高高动态环境下纯捷联惯导系统的导航精度。论文也利用了实验数据对本文的算法和成果加以验证,具有重要的实际应用参考价值。