利用标准卡尔曼滤波估计技术解决航天器姿态估计、航天器编队飞行相对导航以及航空器目标跟踪等问题时,存在如下不足:滤波估计精度低、估计输出误差收敛速度慢、对系统状态模型误差和近似误差不鲁棒以及对非高斯测量误差/噪声样本点和较大初始状态估计误差敏感。而上述这些问题对航天器编队飞行任务有重要的影响,甚至导致任务的失败,因此对这些问题进行研究具有重要的意义。针对上述问题,本文对卡尔曼滤波技术和二阶均差滤波技术进行相应的鲁棒/自适应改进研究,其主要内容包括:第一,针对实际姿态测量传感器测量噪声/误差特性服从非高斯分布以及存在不确定统计特性导致的姿态估计算法非鲁棒性问题,利用Huber提出的广义最大似然估计方法将姿态估计滤波器的测量更新步骤更改为状态预测值和观测量之间的线性回归过程并使得状态与测量残差没有被等同的加权,从而使得姿态估计过程具有一定的鲁棒性,并通过数值仿真验证了所提算法的有效性。第二,采用误差四元数描述航天器姿态误差动力学模型导致与实际姿态运动存在模型和近似误差,因此针对姿态滤波估计过程对上述误差的非鲁棒性问题,本文将一种基于在线实时估计状态估计误差协方差阵预测矩阵上界的自适应方法与标准卡尔曼滤波算法结合起来,通过数值仿真验证了本文提出的自适应卡尔曼滤波算法能提高航天器姿态估计过程对模型误差、近似误差以及较大的初始状态估计误差的鲁棒性和姿态估计精度。第三,将上述两种滤波算法结合起来应用到姿态估计问题中,不仅可以解决测量传感器中的非高斯误差/噪声问题,而且也解决了标准卡尔曼姿态估计算法对模型误差和近似误差以及较大的初始状态估计误差的敏感性问题。第四,针对传统扩展卡尔曼滤波算法进行编队航天器相对导航存在滤波精度较低以及收敛速度较慢等问题,同时考虑到GPS测量模型为线性的情况,本文将标准均差滤波算法简化并应用到航天器编队相对导航中。仿真结果表明,本文提出的简化均差滤波算法(Simplified Divide Difference Filter-SDDF)适合于编队航天器相对导航滤波器设计。第五,针对航天器编队飞行GPS测量系统存在的非高斯特性,采用Huber技术将上述的SDDF算法进行鲁棒性改进(Huber-based Divided Difference Filter–H-SDDF)并应用到航天器编队飞行相对导航滤波器设计中,仿真结果验证了本文所提H-SDDF算法的有效性。第六,针对非线性估计问题采用传统迭代型均差滤波算法时,测量更新步骤经过一次迭代后,状态估计值与测量噪声之间不再满足相互统计正交的关系,导致滤波精度降低的问题,本文提出了一种基于状态增广的迭代均差滤波算法,通过将测量噪声信息增广到状态变量中使得新的测量噪声相对于增广的状态为零,从而可精确计算测量预测协方差阵,解决了上述滤波精度降低的问题,最后通过对标准目标跟踪问题进行数值仿真验证了算法的有效性。第七,对Karlgaard提出的基于Huber的鲁棒均差滤波算法进行改进,将非线性测量模型直接应用到非线性回归问题中,提出了一种改进的基于Huber的鲁棒均差滤波算法。该算法也被认为是一种特殊的迭代均差滤波算法,其采用1l范数和2l范数估计算法混合的形式处理全非线性非高斯测量误差/噪声问题。最后利用标准目标跟踪问题进行算法的有效性验证,数值仿真结果表明:该算法相对于HDDF、DDF以及EKF算法在滤波输出稳定以后具有较高的滤波精度和较强的鲁棒性。综上所述,本文以鲁棒自适应滤波算法为主线进行展开。研究内容包括航天器姿态估计、编队航天器相对导航滤波算法设计以及滤波系统和测量模型均为非线性情况下的全非线性状态估计问题等方面。主要解决的问题为:提高了滤波估计精度和增强了滤波过程的鲁棒性。最后通过理论分析和数值仿真验证了本文所做的研究与前人相比有一定程度的改进。