随着卫星应用需求的日益发展,越来越多的飞行任务已不能仅靠单颗卫星来完成,而是更多地趋向于卫星编队方向发展,如故障航天器的在轨捕获与维修、空间垃圾清除、星座的位置捕获和维持等任务。在轨卫星高精度相对轨道确定也是工程应用中难点,而非线性滤波理论,是解决这些困难的关键技术,也是各类空间飞行任务取得成功的重要保障。卫星向着模块化、微型化发展。每个模块都可具有独立的传感器,由于单个传感器自身能力和处理能力的局限性,多个传感器网络具有很强的鲁棒性,较好的自适应性。针对这种发展态势,本课题的具体研究内容如下:考虑在相对运动的情况下,采用平方根容积卡尔曼滤波算法(SCKF)进行从星相对主星的相对运动估计,并与无迹卡尔曼滤波算法(UKF)进行对比,验证SCKF算法在相对轨道估计中的优越性。在相对运动学方程和基于罗德里格参数的相对姿态方程的基础上,建立卫星相对运动耦合动力学模型。在相对位置和姿态耦合的情况下,结合SCKF滤波算法实现星间相对轨道和姿态耦合估计。针对两个卫星编队飞行任务,建立多传感器观测向量模型,在信息滤波(IF)的基础上,结合CI算法,建立多传感器分布式混合信息滤波(DHIF)算法估计卫星间相对轨道模型。传感器节点传播自己的量测信息,接收邻居传感器节点的量测信息。结合CI算法,使传感器节点估计状态趋于一致。并与集中式IF算法、单一传感器IF算法估计的相对位置误差进行对比,验证DHIF算法的适用性。针对两个卫星编队飞行任务,改进SCKF算法,引入IF框架中信息矩阵、信息状态向量,结合H∞滤波算法,建立平方根容积H∞信息滤波(SCHIF)算法。算法的实现采用分布式滤波结构,结合一致性理论。并与集中式滤波、单一传感器滤波的情况所产生的数据进行对比,验证分布式SCHIF算法的优越性。提出一种基于分布式混合一致性的平方根容积求积信息滤波算法(SRFCQIF-HC)。利用五阶球面单形径向求积规则来处理非线性系统,并在混合一致性滤波框架中加入了一种新的测量更新策略,考虑了预测的测量误差,从而使算法产生更准确的估计。并将该分布式滤波应用于未来战争中多个卫星编队中的导航问题,建立多颗编队卫星通过信息交互共同确定非合作航天器绝对轨道信息的模型,每颗卫星视为节点,单颗卫星损毁并不影响整个卫星平台的能力。