在如今愈加激烈的大国博弈环境中,取得对太空的主导权俨然可以左右战略博弈的天平。而在轨服务、编队飞行、深空探测等复杂的空间任务都需要自主导航和相对导航等精确的航天器状态估计技术。航天器状态估计精度与传感器精度和滤波算法息息相关。一方面,发展火热的微小卫星星座及编队往往采用低成本和低精度的敏感器,这必然带来更严重的噪声水平,对导航算法的性能是一个大的挑战;另一方面,现有航天器状态估计方法大都基于高斯假设和精确地系统先验知识。而实际系统的噪声环境往往是非高斯或噪声统计特性未知的,这会导致原有状态估计方法精度降低甚至滤波发散。在航天器自主导航的应用中,星敏感器由于星像丢失、星像诱导、外界冲击等特殊原因会造成出现野值噪声,使得噪声统计特性服从厚尾非高斯分布;在编队卫星相对导航应用中,激光雷达的测量噪声多呈现厚尾非高斯特性,而复杂多变的运行环境也会导致不精确的系统的噪声协方差矩阵。因此,本文从非高斯鲁棒滤波和自适应滤波的角度出发,以强鲁棒性的“中心误差熵准则”为理论主线,设计出了系列高精度鲁棒状态估计方法,提高了复杂条件下航天器自主姿态确定、相对导航的精度。本文的主要研究工作如下:1.适用于线性非高斯系统的中心误差熵鲁棒滤波方法研究。针对经典卡尔曼滤波对野值诱导的厚尾非高斯噪声不具有鲁棒性的情况,本文对鲁棒滤波方法进行了研究。现有最大相关熵准则是依赖于核宽的局部收敛准则,最小误差熵具有平移不变性,两者的理论缺陷导致其在滤波上的应用受限。为克服现有鲁棒算法的缺陷、进一步提高估计精度,本文利用信息论中的“中心误差熵准则”开发出了新的中心误差熵卡尔曼滤波,并进行了收敛性分析和计算复杂度分析。所开发的算法在陆地车辆导航上的应用验证了其在厚尾非高斯条件下相比于经典卡尔曼滤波与现有鲁棒滤波器有着更高的精度,且算法有着很好的滤波稳定性。2.适用于非线性非高斯系统的中心误差熵鲁棒滤波方法研究。在线性中心误差熵卡尔曼滤波的研究基础上,本文将此鲁棒滤波方法对非线性非高斯系统进行了延拓。通过借鉴现有的扩展卡尔曼滤波器以及基于Unscented、Cubature和Central Difference等准则的Sigma点滤波器处理非线性系统的思想,本文基于中心误差熵准则对传统非线性滤波器进行了重新设计,形成了可适用于非线性非高斯系统的中心误差熵准则扩展卡尔曼滤波器和中心误差熵Sigma点滤波器。通过在姿态确定系统上的应用验证了所提出算法的有效性。3.自适应滤波方法研究。针对相对导航实际环境中噪声协方差为未知或者时变的情况,本文首先对自适应滤波方法进行了研究,用编队卫星相对导航模型验证了现有自适应算法的有效性。然后针对厚尾非高斯噪声下噪声协方差矩阵时变的情况,通过将中心误差熵卡尔曼滤波与变分贝叶斯方法结合,开发出了自适应中心误差熵变分贝叶斯滤波器,提高了算法在复杂条件下的估计精度。通过在相对导航系统中的应用验证了所提出算法的有效性。