针对可见光通信的3D定位与定向问题，提出了一种自适应参数与自适应变异粒子群优化的3D定位与定向方法。首先，分析了一种在复杂环境下的基于测距模型的混合3D可见光定位模型，并将定位问题转化为联合概率密度函数的优化问题。其次，通过计算粒子解与种群最优解之间的模糊贴近度，设计了一种自适应参数与自适应变异粒子群优化方法。最后，通过数学方法精确解析了所提3D可见光定位模型的定位与定向误差的理论下边界，即克拉-美罗（Cramer-Rao）下界。结果表明，所提算法的时间复杂度较低，且定位与定向误差都非常接近Cramer-Rao下界，其平均定位与平均定向收敛误差分别为5.99 cm与6.65°，显著优于另外四种基于迭代的可见光定位算法。

基于固定多传感器误差估计EX方法，针对机载平台存在姿态角系统误差的问题，采用拓展卡尔曼滤波对非线性量测方程线性化近似，利用相同的随机点目标，在对目标的状态估计和误差估计之间的协方差不做近似的情况下实现它们的解耦合，提出了一种改进的多机载传感器系统误差精确估计（EEX）方法。仿真结果表明, 相对于MLRM方法，EEX方法估计精度提升了近30%。通过目标状态估计得到的传感器误差伪测量的加性噪声都是零均值和方差已知的高斯白噪声，使得估计结果非常接近Cramer-Rao下界（CRLB），说明此估计方法是一个充分估计。