陀螺稳定平台(Gyroscope Stabilized Platform,GSP)是以惯性元件—陀螺仪为核心敏感元件,安装在运动载体上,能够隔离载体的扰动而尽可能地保持平台稳定,从而保证安装在平台上的设备的视轴(LOS)指向稳定的装置,是惯性导航、制导及测量系统中的核心设备。由于外界环境干扰以及自身结构误差等原因的影响,平台中的速率陀螺作为角速率敏感元件在测量时往往会引入漂移和噪声,从而影响视轴稳定精度。因而对陀螺仪的输出信号进行有效滤波,一直是陀螺稳定平台要解决的一个重要任务之一。卡尔曼滤波是一种用状态方程描述动态系统,采用预测加修正的形式,按照线性最小方差估计准则对系统状态进行估计的最优估计理论,具有实时递推、存储量小、简单易行的优点。本论文的主要研究工作是采用对模型不确定性具有更强鲁棒性的自适应强跟踪卡尔曼滤波对陀螺稳定平台的速率陀螺输出信号进行滤波,提升平台速度环控制系统精度,所做的研究工作包含以下两个方面：1)在本工作小组已有的内方位速度环非线性摩擦力模型建模成果的基础上,考虑系统受陀螺测量噪声干扰的情况,采用对非线性摩擦力进行前馈完全补偿得到的速度环一阶线性模型作为标称模型设计自适应强跟踪卡尔曼滤波器,完成对陀螺输出信号滤波的任务,针对系统正负转模型参数不同的情况,取滤波器标称模型的参数为系统正负转模型参数的几何平均值,避免了分别对正负模型分别设计滤波器而带来的算法复杂性,同时,将标称模型与系统模型的误差归为是一个噪声统计特性未知的虚拟过程扰动,采用Sage-Husa时变过程扰动统计估值器对该过程扰动的统计特性进行实时估计,从而提升对状态估计的精度,同时,采用强跟踪滤波算法的思想引入一个自适应因子对状态预测方差进行修正,强制输出误差序列不相关,从而进一步保证滤波算法对模型不确定性的鲁棒性,最后通过仿真实验对算法的性能进行分析和验证。2)将所设计的自适应强跟踪卡尔曼滤波器分别与速度环PI控制系统,以及速度环模型参考自适应控制系统相结合,并在速度环被控对象的非线性摩擦力前馈完全补偿和补偿一半两种情况下,考虑陀螺测量噪声的影响,对比两种控制系统在滤波前后的控制性能,通过仿真实验进行对比分析发现,模型参考自适应控制加自适应强跟踪卡尔曼滤波器是进一步提高速度环控制系统的更有效方案。