在马尔可夫切换系统中,存在着模型不确定、信息不确定和非线性等特性,此类特性耦合在一起将使得系统的状态估计问题变得更加复杂。为此,本文以临近空间高超声速目标跟踪和地面机动目标跟踪为应用背景,针对马尔可夫切换系统中存在的模型不确定和系统非线性耦合的复杂问题,以及模型转移概率与状态相关情况下的滤波问题,围绕多模型的估计方法和非线性的滤波算法,对系统的连续状态和离散模态估计方法进行了深入研究,主要工作如下:1.针对非线性马尔可夫(Markov)切换系统中的状态估计问题,在贝叶斯最优估计理论框架下,基于高斯和近似,试图设计一种快速高精度的高斯和滤波(GSF)算法。滤波器的设计过程包括混合、滤波两个阶段。首先在混合阶段,针对由于系统多模型带来的高斯分量个数增加的问题,采用基于矩匹配的最小高斯集设计方法来控制高斯分量个数,且保证新的高斯和概率密度函数的一、二阶矩与原来的保持一致;接下来是滤波阶段,包含解析计算和高斯加权积分,本文采用了一种基于二阶Stirling’s插值的分开差分滤波器(DDF)作为子滤波器;最后,分别在典型的单变量非线性系统和临近空间高超声速目标跟踪系统中仿真验证了提出的高斯和滤波算法,结果显示,所提算法可以实现估计精度与计算代价的有效折衷。2.针对马尔可夫切换系统中存在的模型转移概率时变不确定的情况,即时变非齐次马尔可夫切换系统的状态估计问题,本文考虑模型转移概率矩阵与状态相关的情况。首先,在第三章已经建立的高斯和滤波框架的基础上,推导了具有状态相关模型转移阵的非线性非齐次马尔可夫切换系统的高斯和滤波方法;接着,面向机动目标跟踪应用,对模型转移概率进行了合理有效地建模;最后,为了验证本文算法的有效性,建立了典型的道路机动目标跟踪场景,与模型转移概率恒定不变的情况进行了仿真对比,结果显示,目标的跟踪精度获得了一定程度的改善。