在卫星装配过程中,传统的手工安装方式已经不能满足高效率的要求,利用移动机器人自主或辅助完成卫星装配工作是发展的趋势。移动机器人的定位技术是机器人研究的一个重要方面,其本质是复杂系统的状态估计问题。在机器人定位的过程中,需要对多种传感器的数据进行融合,其过程涉及传感器、计算机、信号处理等多个学科领域。本文以移动机器人定位的应用和状态估计误差作为研究重点,从非线性系统滤波算法和机器人定位方式两个方面进行了研究。主要研究成果如下:首先,对机器人定位的国内外现状进行了介绍,并对移动机器人的运动学模型、坐标转换、常用传感器的原理等进行了分析,基于状态空间模型对移动机器人定位所用的传感器观测数学模型及噪声模型进行了研究,重点研究了噪声对机器人定位的影响。其次,针对移动机器人系统非线性程度较高的问题,研究了粒子滤波与卡尔曼滤波两大滤波体系的优缺点;基于遗传算法对粒子滤波进行了改进,改善了粒子退化问题。通过仿真实验证明了改进算法在非线性系统噪声处理中的有效性。再次,基于激光测距仪与微型惯性导航系统构建了机器人定位系统。激光测距仪固定在工作环境中,对移动机器人进行外部观测;微型惯性导航系统固定在机器人上,利用加速度计和陀螺仪等惯性传感器信息对机器人位姿进行推导。通过运动学和里程计双模型对系统状态进行预测,利用自适应抗差算法融合预测结果并应用粒子滤波算法进行位置估计。最后,进行了多组实验,通过对实验结果的分析,确定提出的定位方法性能优异,结果可靠,能够满足卫星装配过程中全向移动平台的定位需求。