状态估计在信号处理、自动控制等领域有着广泛的应用,在这些领域中,估计的对象往往呈现出非线性、非高斯性等特点, UKF(Unscented Kalman Filter),粒子滤波器(Particle Filter)等为代表的采样型非线性滤波器是目前处理非线性估计问题较为有效的方法。考虑UKF等确定性采样滤波器无法较好处理非高斯分布,粒子滤波器等随机性采样滤波器存在计算量大,采样枯竭和粒子退化问题,本项目拟从采样型非线性滤波器模型入手,结合确定采样与随机采样优点,研究确定-随机综合采样的自适应采样型滤波器;拟将智能优化中的个体优化策略和群优化策略作用于整个采样点集合,避免粒子退化与采样枯竭,研究基于智能优化的自适应采样型滤波器;拟考虑系统具体性能需求,以及可提供资源的变化,研究采样策略自适应的采样型非线性滤波器;以航天器自主导航系统为具体应用,探索采样型滤波器的有效实现,并进行算法验证。