卡尔曼滤波是一种基于线性最小方差估计准则的线性最优估计,它比维纳滤波计算量更小,而且适用于非线性系统,因此得到了广泛的应用.自从卡尔曼提出了卡尔曼滤波理论之后,人们一直致力于研究诸如卡尔曼滤波器之类最佳估计理论的收敛问题.而在实际应用中往往系统模型和噪声模型是未知的,只能根据经验给出假定值.在模型假定值不够准确,或者在滤波过程中发生动态变化的情况下,滤波器的性能会大为下降甚至出现发散现象.因此人们花了很大的精力估计滤波器的噪声模型Q和R.该文针对这一问题提出了基于加权最小二乘法的卡尔曼滤波器噪声模型的自适应估计方法,并将估计得到的结果应用到卡尔曼滤波算法中,得到了改进的自适应卡尔曼滤波算法.从系统仿真中可以看到该噪声估计算法的有效性,也可看到改进的卡尔曼滤波算法的有效性.并进一步将改进的滤波算法加以实现应用到了数据融合评估平台和多目标多传感器航迹生成仿真平台演示系统中,收到了良好的效果.