尽管集员估计理论提出时间较早,在理论与应用方面也取得了不少成果,但依然存在很多需要进一步讨论与研究的问题。论文在分析经典集员理论的基础上,对集员估计理论进行了相关扩展研究,几个扩展研究问题包括现有集员估计方法的收敛性讨论,新的集员滤波方法的提出以及在线性切换系统中集员辨识方法在新型故障检测与匹配方法中的应用等。论文主要内容可以概括为三个部分:第一部分,首先对最优椭球集员滤波法进行了收敛性讨论,给出了正常情况下这种方法的收敛特性。针对最优椭球集员滤波法在观测缺失情况下不能使用的缺陷,提出了一种能够容忍一定观测缺失的新型集员滤波法,并且通过一些有界性假设,得到了估计误差与数据丢失率之间的关系,假如数据丢失率小于一个最大值,那么滤波算法将全局渐近稳定。仿真结果验证了新滤波方法的有效性,在观测数据满足一定缺失条件的情况下,新滤波方法能够把估计结果控制在事先预想的范围内,且估计值的变化足够稳定。第二部分,详细介绍了所提新型集员滤波法的应用示例,首先描述了实验所采用的穿戴式室内定位系统的构成,并且根据人体运动学,详细分析了相对定位系统的系统建模以及相对定位系统在实际应用中所产生的累积误差问题。应用所提滤波方法,通过融合相对定位子系统的定位信息与RFID绝对定位子系统的定位信息,有效地解决了系统存在的累积误差问题,提高了系统的定位精度。第三部分,研究了一类线性切换系统中的故障检测与匹配问题,针对这个问题,在讨论线性切换系统的集员辨识问题的基础上,提出了一种新型基于椭球参数可行集的故障检测与匹配方法,并成功将该方法应用在实际的机器人自动装配实验中,实验结果表明,所提方法非常适合线性切换模型,并且相较于传统的残差法,所提方法具有检测率高、无误检、检测速度快、鲁棒性好等一系列优点。