随着科学技术的不断进步,移动机器人已经越来越多地应用在人类生活的方方面面。机器人系统往往呈现非线性、非高斯性等复杂特性,对基于高斯噪声滤波的应用受到了极大的挑战。机器人状态估计是其进行环境探测的基础,环境探测包括对环境的建图以及对环境内目标的搜索。多机器人SLAM算法大多已经规划路径且已知环境信息,但是实际中难以提前获取环境信息,提前规划路径。未知海域环境下的多机器人主动目标搜索是主动环境探测的重要研究内容,但是在海域环境下目标搜索往往存在非高斯噪声,且多目标存在关联特征,鲜有学者涉足,因此迫切需要建立非高斯环境下的多目标搜索算法。综上,本文基于状态估计对主动环境探测中的相关问题做了以下研究工作:（1）针对单机器人系统呈现非线性、非高斯等问题,提出一种改进的高斯和容积Kalman滤波算法。首先提出一种对非高斯噪声参数估计的改进鲁棒EM算法,该方法克服了现有EM算法的缺点。然后,以基于Mahalanobis距离和KL距离的高斯项合并方法为基础,提出一种能有效联合两类高斯项合并方式的融合模式。最后,应用于高斯和容积Kalman滤波框架实现对复杂环境下机器人的状态估计。（2）针对未知环境下多机器人主动SLAM存在不能完全遍历环境、定位精度不理想等问题,提出一种基于观测融合和吸引因子的多机器人主动SLAM算法。首先,当同一地标被多个机器人观测到,采用凸组合方法融合机器人对该地标的估计,降低被估计地标的不确定度。其次,通过引入吸引因子,增强多机器人系统之间的交流,提升机器人自身定位精度,同时又引导多机器人团队进行探索环境。最后,应用于未知环境下的多机器人主动SLAM实现对未知环境的建图。（3）针对海域环境下非线性、非高斯的多动态目标搜索等问题,提出一种基于感知自适应的高斯和容积Kalman滤波算法。首先,机器人通过收集环境信息,进行环境感知,主动进行决策。其次,在搜索过程中通过分析获得的水下、水面目标的轨迹,进行关联知识提取,将提取到的关联知识用于搜索过程中,形成演进的搜索关系,增加搜索的效率。最后,应用于海域环境下的水下水面目标搜索,实现对非高斯环境下多动态目标的搜索与定位。