针对处理复杂机动目标跟踪问题, 提出了一种自适应随机权重容积卡尔曼滤波(ARWCKF)算法。该算法作为交互多模型(IMM)算法的预处理过程, 对不同运动模型进行滤波。为了算法的稳定性, 引入了随机权重因子。使用时变因子调整马尔可夫概率转移矩阵, 提高了IMM算法概率转换精度。将所提IMM-ARWCKF算法与IMM-CKF算法对比发现, 在处理复杂机动目标问题时, 所提算法具有更高的跟踪精度, 算法更加稳定。

由于视觉传感器与惯性传感器的高度互补性, 视觉和惯性融合是一种常见的姿态测量手段。随着机载、车载等仪器设备的迅速发展, 传统静止基座下的姿态测量已无法满足一些实际应用场景的需求。由于受到基座运动信息的干扰, 很难对动基座上的目标物进行准确、快速的姿态测量。为了发挥视觉和惯性融合的优势, 并实现动态基座下的目标物相对姿态测量, 提出了一种基于单目视觉与双陀螺仪的姿态测量系统。分析了测量系统中坐标系的建立以及坐标系之间相对关系, 提出了坐标系归一化方案, 并利用容积卡尔曼滤波对视觉和惯性结果进行融合, 实现了高精度、大范围、快速、稳定的姿态测量。在搭建的视觉和惯性融合姿态测量系统平台上进行了实验验证, 结果证明该系统坐标系归一方案与融合算法的有效性。实验结果表明, 所搭建系统具有较高的准确度, 融合后的俯仰角和方位角的均方根误差(RMSE)均不超过0.1°。

针对相干光正交频分复用（CO-OFDM）系统中相位噪声造成的严重影响，提出了一种基于次符号进行分块二阶拉格朗日插值（BSSLI）的容积卡尔曼滤波（CKF）的相位噪声补偿算法。该算法先利用导频估计的时域OFDM符号相位噪声值进行第一次二阶拉格朗日插值（SLI），得到相位噪声粗略估计值，再将每个OFDM符号在时域分割成若干个次符号，将每个次符号的估计值作为它中间采样点的估计值进行第二次SLI，从而在提高时间分辨率的同时提升补偿精度，最后利用CKF对残余的相位噪声进行补偿。仿真结果表明：该算法在16阶正交振幅调制（16QAM）下，激光线宽为800 kHz时，其误码率（BER）接近于10^-7且降低了错误平层；该算法在32阶正交振幅调制（32QAM）下，激光线宽为800 kHz时，其BER达到10^-3以下；本文算法相较于线性插值与子符号光相位噪声补偿（LI-SCPEC）算法和基于拉格朗日插值的扩展卡尔曼滤波（LRI-EKF）算法补偿效果更优，有效改善了系统的性能。

为提高多传感器融合的精确度，提出一种容积信息粒子多传感器融合算法。算法将容积信息滤波(CIF)和粒子滤波(PF)结合一起，采用CIF传递PF的粒子，通过引入信息贡献向量和信息贡献矩阵，将多个传感器的量测信息更新到PF的粒子中，提高粒子与真实状态后验概率分布的逼近程度，改进多传感器融合精确度。同时将CIF估计值作为粒子，消除随机扰动对融合的影响，提高粒子有效度，进一步提高融合精确度。仿真与实验表明，算法能够有效处理集中式多传感器融合问题，具有较高的滤波精确度。

非侵入式眼睛跟踪在许多基于视觉的人机交互应用中扮演十分重要的角色，但由于眼睛运动的强非线性，如何确保眼睛跟踪过程中对外界干扰的鲁棒性以及跟踪精确度是其应用的关键问题。为提高眼睛跟踪的鲁棒性和精确度，提出强跟踪五阶容积卡尔曼滤波算法(ST-5thCKF)，将强跟踪滤波(STF)次优渐消因子引入具有接近最少容积采样点且保持五阶滤波精确度的五阶容积卡尔曼滤波(5thCKF)，获取5thCKF对强非线性良好滤波精确度同时具备STF对外界干扰的鲁棒性。真实条件下的实验结果验证了所提算法在眼睛跟踪中的有效性。

针对传统非线性滤波算法对状态突变的鲁棒性较差，存在跟踪缓慢甚至失效的问题，提出了强跟踪七阶正交容积卡尔曼滤波(ST-7thCQKF)算法。算法将对非线性系统滤波效果良好的七阶正交容积卡尔曼滤波(7thCQKF)与强跟踪滤波(STF)融合，通过在7thCQKF的预测协方差中引入渐消因子调节增益矩阵，提高算法对状态突变系统的跟踪效果。仿真和实验结果表明，ST-7thCQKF能够较好地处理状态突变系统的跟踪问题。

以临近空间高超声速目标作为研究对象，提出一种迭代简化平方根容积卡尔曼滤波算法(IRSRCKF)。该算法以平方根容积卡尔曼滤波算法(SRCKF)为理论框架，针对SRCKF算法对于系统的状态方程为线性时需用容积点进行加权求和的缺点，对SRCKF算法的时间更新环节线性简化，提高了实时性；结合迭代运算的思想，充分利用量测信息，对量测更新过程进行迭代运算，提高了跟踪精确度。仿真验证结果表明，该算法具有较高的精确性和有效性，为临近空间高超声速目标的跟踪提供了一种新方法。

针对噪声分布未知情况下的非线性目标跟踪问题, 提出了基于Sage-Husa算法的自适应嵌入式容积卡尔曼滤波算法。首先利用嵌入式容积准则改进传统的Sage-Husa算法, 得到适用于嵌入式容积卡尔曼滤波器的噪声统计估计器来估计未知噪声的统计特性, 并实现对其修正, 引入判断机制来抑制目标跟踪时的发散问题, 最后通过机动目标跟踪仿真验证了该算法的有效性。

针对惯性测量元件不能满足低成本制导弹药作战需求问题, 提出一种基于理想弹道的全捷联激光半主动末制导弹药视线角估计方法。该方法根据弹目相对运动模型及导引头量测模型建立非线性滤波系统; 针对弹体运动参数在末制导段变化范围较小的特点, 通过分析弹体运动参数对系统不确定性的影响, 将理想弹道弹体运动参数标准值作为滤波系统参数; 利用激光半主动导引头量测信息, 结合容积卡尔曼滤波对弹目视线角进行估计。数字仿真实验结果表明: 在小扰动条件下, 弹目视线倾角与偏角末制导段的均方根误差分别为0.182°与1.668°, 其最大估计误差分别为0.259°与2.913°, 具有较好的估计精度与鲁棒性能。

惯性导航具备完全自主、高度隐蔽、数据频率高等优点, 在机载精确制导**中得到广泛应用。由于空中传递对准可能处于恶劣条件下, 初始失准角较大, 传统的线性传递对准模型不能反映系统的真实情况, 线性滤波算法也将导致很大的对准误差, 为实现精确对准, 需要应用非线性模型和非线性滤波算法。而非线性滤波算法如无迹卡尔曼滤波(UKF)、容积卡尔曼滤波(CKF)等, 在高维情况下, 计算量很大, 在弹载计算机计算资源受限的情况下, 如何降低滤波算法的计算量是一个重要问题。本文将降维容积卡尔曼滤波算法应用在非线性传递对准模型中, 将容积卡尔曼滤波的采样点由30个减少为6个, 大幅减少了所需计算量。