针对无迹卡尔曼滤波（Unscented Kalman Filter，UKF）在系统强非线性或状态模型不精确的情况下，存在滤波精度降低甚至发散的问题，提出一种改进的强跟踪SVD-UKF算法。该算法采用奇异值分解（Singular Value Decomposition，SVD）的方法改进UKF中状态协方差矩阵的迭代，保证协方差矩阵的非负定性及迭代的稳定性；算法基于强跟踪滤波（Strong Tracking filter，STF）理论框架，对改进的SVD-UKF引入多重渐消因子自适应调整状态协方差矩阵，在系统状态发生突变的情况下，实现系统真实状态的强跟踪。将该算法在BDS/INS组合导航中仿真验证