数据同化是一种常用大气、地理等领域的方法论,旨在通过融合不同来源和不同分辨率的观测信息来调整模型轨迹,完成对当前状态信息的预测。鲁棒滤波理论主要强调估计的鲁棒性,在保证估计误差增长率有界的条件下,对可能的不确定性有较好的容忍度。所以论文的研究内容主要为鲁棒滤波算法改进观测误差协方差估计技术,提出了一种诊断空间相关和时间依赖的观测误差协方差的集合鲁棒数据同化方法。该方法将集合鲁棒滤波方法和使用背景和分析新息的统计平均方法来提供观测误差协方差矩阵的估计结合,并通过仿真实验验证新方法的有效性和同化效果。论文的主要研究内容如下:（1）卡尔曼滤波理论和鲁棒滤波理论。集合转换卡尔曼滤波算法详细描述,列出了其实际的运行步骤。针对滤波算法对外界不确定问题,引入H∞范数。为使该算法对顺序数据同化全窗有效,得到时间局地化的H∞滤波算法。类比卡尔曼滤波算法,将集合的思想应用于时间局地化滤波,使其系统能够应用于复杂的非线性系统,提高滤波的精度和鲁棒性。（2）针对数据同化系统中观测误差,主要介绍观测误差的来源和观测误差协方差估计技术。详细阐述观测误差中代表性误差的来源及其相关的定义说明,其中代表性误差是相关的,对相关性的表示做了说明;引入观测误差协方差估计技术,实现观测误差协方差估计技术和鲁棒滤波算法的耦合;利用观测误差协方差估计技术得到依赖状态量的且慢时变的观测误差协方差。（3）基于集合时间局地化H∞滤波,分别从不同的角度构建协方差放大关系,得到三种特殊形式的鲁棒滤波算法。将观测误差协方差估计技术分别和三种滤波算法结合,基于非线性Lorenz-96混沌系统,验证观测误差估计技术在鲁棒滤波算法中的有效性。结果表明:观测误差估计技术能够提高状态估计的精确性,带有观测误差估计的鲁棒滤波具有较好的鲁棒性。综上,在数据同化系统中当观测误差协方差未知时,可以考虑观测误差估计技术,在鲁棒滤算法中加入观测误差估计技术能够提高滤波精度和鲁棒性,使得观测信息被有效利用。