基于逆合成孔径雷达(ISAR)图像序列的卫星目标姿态估计是一项具有重大意义且富有挑战性的任务。现有的估计方法通常是基于图像中关键角点或线性部件的提取, 较难满足实时需求, 且都未能充分利用目标成像特性先验。本文提出一种基于成像特性与回归网络的卫星目标姿态估计方法: 提前确定各种姿态下的卫星目标成像特性, 并作为后续数据集标注的理论基础; 区别于传统的分类问题, 建立一种适用于姿态估计的回归网络与估计框架。采用毫米波频段的电测仿真计算数据对所提方法进行验证, 结果表明, 单张图像中估计的平均姿态误差可以控制在3.5 °以内。

单光子计数成像技术在暗弱目标探测、激光遥感、自动驾驶等领域均展现出了极大的应用潜力。为了探究如何利用该技术得到更多维度的目标信息，提出并验证了一种获取目标姿态的方法。将目标处于不同姿态时的单光子计数三维成像图（深度图）建成数据库，作为先验信息，通过求取库中图像与目标实际的单光子计数成像深度图（姿态未知）的相关系数，选取相关性最强的库中姿态作为目标实际姿态。采用单光子阵列探测器搭建实验系统，激光发散照明目标，以20°为单位构建数据库中的-60°至40°的目标深度图。结合库中数据与姿态分别处于-45°和25°时的目标深度图，利用所提方法估计目标姿态并验证其准确性。在该两种姿态下，分别做出光子计数为10，50，100时的深度图，以探究目标实际姿态与库中对应姿态的相似度和光子计数间的关系。以15°和20°为单位对目标进行多轴旋转，以探究目标进行多轴姿态变化时所提方法的可行性。改变背景噪声，在信号光子与背景光子数比值（SBR）分别为8.13，4.83，3.21，0.72的条件下对目标进行三维成像，探究背景噪声对估计成功率的影响。以木头人玩具为目标，以30°为单位建立数据库，对处于-20°和20°的木头人玩具进行成像并验证所提方法对复杂目标姿态估计的可行性。实验结果表明：所提方法可成功对目标实际姿态进行估计。目标实际姿态与库中对应姿态的相关性和光子计数成正相关，高SBR有利于准确估计目标姿态。

无人机在航姿模式下飞行时, 姿态角误差波动较大, 根据磁力计、加速度计和陀螺仪的互补性特点, 提出一种自适应无迹卡尔曼滤波(AUKF)算法对MEMS传感器数据进行优化求解: 以姿态四元数和陀螺漂移为状态量, 加速度计和磁力计测量值为观测量, 采用梯度下降法优化无迹卡尔曼滤波的关键参数, 即过程噪声协方差, 以提高四旋翼无人机姿态解算精度。对实际飞行数据的分析表明: 分别与常规卡尔曼滤波和传统无迹卡尔曼滤波算法相比, 该方法精度最高, 可确保小型无人机在各种情况下飞行的稳定性。

鉴于气浮台姿态测量是实现气浮台控制的重要基础, 为了实现三轴气浮台姿态准确、快速测量, 提出一种基于单目视觉的实时、高精度的姿态测量方法。采取一种鲁棒性强的三轴气浮台靶标形状及布局来提高姿态获取精度。提出一种拟合圆心流程, 通过粗获取与精获取方法对靶标进行实时、鲁棒跟踪。最后利用提取到的圆心位置信息采用迭代最小二乘的姿态估计算法解算出气浮台的位姿信息。实验结果表明: 单目视觉测量算法的实时帧数可达20帧, 静态姿态测量精度约为0.02°, 动态姿态测量精度约为0.12°, 能够满足气浮台对姿态测量时的实时性、准确性、鲁棒性需求。

针对GPS信号丢失导致组合导航算法精度降低甚至发散的难题，开展一种高效的自适应平滑切换融合算法研究。在GPS信号正常情况下，采用基于GPS量测的高阶组合导航算法估计姿态信息; 在GPS信号丢失时，停止高阶滤波算法并切换为基于四元数的低阶姿态估计算法; 当GPS信号恢复后，将低阶姿态估计算法的估计值作为高阶滤波算法初值，实现姿态估计算法的平滑切换。仿真结果和试飞试验表明,该切换策略具有较好的估计精度和可实现性，且切换过程中姿态角跳变小于0.5°，收敛时间小于0.1 s，有效地提高了有、无GPS信号情况下无人机的姿态估计精度。

研究了网络约束下的组网运动体姿态估计问题。通过在运动体上固定多个组网节点构造基线矢量，利用节点间共享的位置信息和相对测距信息，建立基于基线矢量的非线性姿态测量模型。采用预测补偿策略处理丢包问题，根据随机最小二乘准则构造带有界不确定参数的代价函数，通过滚动求解约束min-max问题得到鲁棒滚动时域姿态估计器。最后，通过仿真验证了所提算法的有效性，并分析了丢包率对姿态测量精度的影响。

载体机动时, 低精度航姿系统无法准确敏感重力矢量, 由加速度计输出计算的水平姿态误差较大。为了减弱运动加速度的影响, 提高机动状态下水平姿态估计精度,提出一种自适应卡尔曼滤波水平姿态估计算法。以姿态四元数和陀螺漂移为状态量, 四元数姿态更新微分方程为状态方程, 加速度计输出为量测量建立伪量测方程。根据加速度计量测更新残差对量测噪声方差阵进行实时估计和动态调节, 较好地解决了机动状态下航姿系统水平姿态估计问题, 提高了水平姿态估计精度。跑车试验验证了算法的有效性。

该文提出了基于平方根容积卡尔曼滤波和初始姿态估计的捷联惯导/全球定位系统组合在线对准法。构建平方根容积卡尔曼滤波器来对初始姿态估计的非线性量测模型进行滤波，估计代表初始姿态转换矩阵的罗德里格参数，并以此求出当前时刻的姿态转换矩阵，从而求出当前时刻准确的姿态。该文分别对制导**系统和车载系统进行了半实物仿真。仿真结果表明，此方法可在25 s左右完成在线对准。其中短距离制导**仿真结果航向角及俯仰角误差在0.1°内，横滚角误差在0.3°内；低成本车载导航系统仿真结果航向角误差在0.2°内，俯仰角及横滚角误差在1°内，可满足制导**及低成本民用车辆的对准需求。

为解决集群无人机位姿估计过程中无线通信网络发生的信道拥堵、数据碰撞等网络现象, 提出一种带宽受限下的分布式融合估计器。利用传输中介节点部分分量的降维策略, 在给定分量选择矩阵和权重矩阵的前提下, 建立以滤波增益为决策变量、所有无人机有限时域下状态估计误差协方差阵的迹之和为代价函数的优化方案, 并通过最小化代价函数上界获得一组次优的滤波增益, 实现了集群无人机位姿递推估计。仿真结果表明, 该分布式融合估计能较好地跟踪状态真值; 分量选择矩阵和权重矩阵会影响融合估计精度, 通过搜索分量选择矩阵的组合, 可以获得最优融合估计精度; 另外, 中介状态估计的权重分布越均匀, 融合估计精度越高。