本发明涉及基于矩阵稀疏性的Kalman滤波算法优化的方法，其步骤为：建立组合导航卡尔曼滤波模型，对解算矩阵进行分块，包括状态系数矩阵F，一步状态转移阵Φ，噪声驱动阵G，噪声方差阵Q，状态一步预测量阵Xkk，预测均方误差阵Pkk，滤波增益阵Kk，状态估计量阵Xk，估计均方误差阵Pk；利用F阵和G阵的零元素进行简化推导，得出Φ阵和Q阵的简化计算过程；对卡尔曼滤波的五个步骤Xkk、Pkk、Kk、Xk、Pk进行计算分块矩阵推导，并在计算过程中采用复用存储单元和压缩存储单元的方法降低存储空间的占用，并利用计算机解算的特点降低计算开销。本发明解决了组合导航中Kalman滤波器高维矩阵的计算复杂、存储量大、占用大型连续堆栈空间等弱点，提高了算法效率。