随着航天技术的进步及对太空探索的不断深入,航天器对导航精度的要求越来越高,尤其是空间非合作目标的相对导航问题,一直以来都是航天领域研究的热点。非线性滤波算法是实现导航精度的基础,它能够对导航信息进行准确估计,因此为保障导航系统具有高精度、高稳定性及抗干扰能力,需要对适应性更强的非线性滤波算法展开深入研究。由于工程环境的复杂性,非线性滤波算法在使用过程中经常会存在状态时滞、模型参数未知、噪声非高斯等问题。为解决这些问题,本文提出几种改进的状态估计算法,对系统状态进行有效估计。为获得高精度、高稳定性的导航信息,本文同时采用多传感器信息融合的方式对相应的估计信息进行进一步处理。论文主要研究内容如下:(1)研究了系统具有状态时滞情况下的状态估计问题,设计了一种改进形式的高斯滤波算法框架,并分别提出了基于无迹变换和三阶球径容积法则的算法框架实现形式。首先,算法通过递归运算获得当前和延迟状态的后验概率密度函数,给出带有状态时滞的时间预测过程和量测更新过程。然后,依据无迹变换和三阶球径容积法则,给出改进高斯滤波算法框架的次优实现。经典高斯滤波算法框架是本文所提出的改进算法框架的特例,本文的框架作为一个通用的非线性滤波算法框架,可以通过不同的高斯加权积分计算方式获取不同的实现形式。(2)研究了系统存在测量模型参数未知和带有非高斯噪声情况下的状态估计问题,设计了一种改进的联合估计期望最大化非线性滤波算法,进而对系统状态和不确定性的测量模型参数进行联合估计。在期望步,假设系统已经获得一组模型参数,基于此组参数的测量模型,通过改进的粒子滤波算法在解决非高斯噪声问题的同时获得高精度的状态估计信息。在最大化步,基于期望步已获得的状态信息,利用混合高斯模型近似非线性测量方程,通过极大似然估计理论对混合高斯模型中的未知参数进行估计。相比于传统高斯类非线性滤波算法,该算法能更准确地估计状态信息,并适用于模型参数未知的状态估计问题。(3)研究了在噪声特性和互协方差未知情况下的多传感器航天器姿态信息融合估计问题。首先,在每个子系统的状态估计中,为了避免采用四元数描述姿态存在的冗余现象和采用罗德里格参数描述姿态存在的奇异问题,以误差四元数和误差广义罗德里格参数相互切换的方式,在容积卡尔曼滤波算法框架下,结合当前时刻的观测信息,得到各子系统在每一时刻的局部估计信息。其次,在此基础上,为获得更高精度的状态估计信息,提出了一种鲁棒的协方差交叉融合算法。该算法以最小化非线性性能指标为准则求取局部的估计信息权重,再使用协方差交叉过程获得各局部估计的融合信息。最后,为了提高多传感器姿态信息的融合效率,以矩阵加权线性最小方差为最优融合准则,提出了一种快速连续的协方差交叉融合策略。该策略将多维优化问题转化为对几个一维非线性代价函数的优化问题,从而减少融合运算时间,得到最优融合估计信息。(4)研究了空间非合作航天器的相对导航信息估计问题。首先,对目标和追踪航天器系统进行运动学建模,采用追踪航天器配备的捷联惯导系统和天文导航系统确定追踪航天器的绝对运动参数,使用光学相机确定目标和追踪航天器间的相对位置和高低角。其次,针对光学测量模型参数未知的情形,通过所提出的期望最大化滤波算法联合估计相对导航信息和识别测量模型的未知参数。最后,为提高导航信息的估计精度和系统鲁棒性,提出了一种异步多传感器分布式信息融合算法,通过容积变换将统计线性误差传播方式扩展到非线性模型融合过程,以此得到高精度的导航估计信息。