卫星姿态确定是整个卫星姿态控制系统中的一个重要组成部分。经典的姿态确定算法未考虑到坐标系之间的偏差导致误差矢量估计不准确的问题。同时，在系统模型受不确定性扰动以及出现异常测量值等情况下其滤波性能还有一定的改进空间。本文以星敏感器和陀螺组合的姿态确定系统为研究对象，分别针对前述问题提出相应的改进算法，主要研究内容由以下几个部分构成：　　第二章分别介绍了姿态坐标系、姿态参数的定义方法及转换公式。给出了不同姿态参数表示下的姿态运动学方程。对于姿态估计中的静态确定方法，仿真分析了几种静态确定算法姿态确定效果，得出的结论是几种静态确定算法的精度无明显差异，它们之间的显著差别是运行时间的不同，并且Euler-q法较其他算法在运行效率上具有一定的优势。　　第三章中针对MEKF(MultiplicativeExtendedKalmanFilter)算法中未考虑估计坐标系与真实坐标系之间存在偏差，存在误差矢量表示不一致的问题，通过几何变换对MEKF算法进行改进。仿真实验表明，改进算法不受初始姿态误差的影响，滤波精度较MEKF算法有较大改善。　　第四章针对模型受不确定扰动的影响，卡尔曼滤波与H∞滤波不能兼顾鲁棒性和精度的问题，提出一种自适应卡尔曼/H∞融合滤波算法并将其应用于卫星姿态确定中。该算法实时计算卡尔曼滤波的性能指标J，通过J来分配卡尔曼滤波与H∞滤波之间的权值，最终的滤波输出将会是两个滤波算法的加权求和值。仿真实验表明融合算法在精度和鲁棒性上能取得较好的效果。　　第五章针对传感器出现异常测量值时，仅使用卡尔曼滤波与强跟踪滤波中的一种滤波算法，导致精度和鲁棒性不能兼顾的问题，将一种自适应强跟踪滤波算法应用于卫星姿态确定中。该算法实时计算卡尔曼滤波的性能指标J，通过引入二元假设检验作为卡尔曼滤波与强跟踪滤波之间的切换准则。仿真实验验证了自适应算法在传感器测量值出现异常时能够兼顾精度和鲁棒性的性能。　　本文的研究成果可以给卫星姿态确定问题提供一些新的思路，为实际的工程应用提供理论参考。