鉴于全球导航卫星系统（GNSS）的盛行，人们很容易忘记GNSS的测量并非那么简单直接。为了实现导航精度，传感器使用的算法会查看一系列测量值（而不是单个测量值），并生成可补偿测量误差的输出数字，这些算法称为传感器融合算法。

GNSS传感器利用卫星信号来确定位置，并且鉴于系统的复杂性和进行测量的距离，误差会从多个来源蔓延。由于系统级问题，例如接收器无法“读取”足够数量的卫星，可能会发生错误。它们可能是由于GPS信号在地球大气中传播时的失真所致。它们也可能是由接收机的问题引起的，例如多径错误（卫星或是本地来源的电磁波的干扰）。

为了实现导航精度，传感器使用的算法会查看一系列测量值（而不是单个测量值），并生成可补偿测量误差的输出数字。这些算法称为传感器融合算法或卡尔曼滤波。

虽然卡尔曼滤波对于导航性能至关重要，但购买惯性导航系统（INS）的客户通常忽略了它。但是，仔细研究系统的过滤器，尤其是使用松散或紧密耦合的过滤器，将会使整个导航系统的实际性能更好。

在松耦合应用中，卡尔曼滤波器使用由GNSS接收器计算的位置和速度估计，而在紧密耦合布置中，卡尔曼滤波器使用来自接收器的原始测量值。紧密耦合的安排是可取的，因为允许GNSS接收器将其输入数据提取到估计的输出测量结果会导致重要信息的丢失，滤波器算法可以使用这些重要信息来生成更准确的概率分布和更好的最终解决方案。

将所有传入数据从GNSS接收器传递到INS的一个好处是，卡尔曼滤波器不能独立于其导航系统的其他部分工作。他们可以将从运动传感器和旋转传感器收集的惯性数据与从卫星输入的数据进行比较，从而更容易地隔离不准确的测量集。

紧密耦合是有利的示例情况是当GNSS接收器的天空视野有限，因此对卫星的访问受限时。紧密耦合的滤波器可以使用单独的卫星测量值来约束系统，从而提供更稳定的解决方案。

一些INS制造商使用松耦合的Kalman滤波器，因为它们更简单。紧密耦合的实现需要大量的开发，更多的计算能力以及报告原始测量结果的GNSS接收器。但是，帕克·洛德（Parker LORD）认为，额外的投资是值得的。我们的新型3DM-GQ7-GNSS / INS具有先进的，紧密耦合的，具有实时运动学（RTK）功能的卡尔曼滤波器，即使在挑战性的动态导航环境中，也可以提供强大的导航性能。