本发明的一种基于概率神经网络的重力匹配方法，利用概率神经网络，对惯性导航指示轨迹采样点进行匹配，该方法训练速度快、学习过程简单、错误分类的期望风险最小，可以得到贝叶斯最优估计结果，即后验概率较高的匹配点，匹配率高，匹配效果好，可以克服重力测量误差的影响；对于初次匹配结果不可信的点，考虑惯性导航采样点位置相关性后，再利用粒子滤波的方法二次匹配结果后，由于粒子滤波方法能更好地处理非线性非高斯问题，所以能更好地提高匹配准确率，使匹配结果更加准确可靠。