实际工程系统不仅受加性噪声的干扰，还应考虑由系统能量衰减，非线性畸变、时变等各种复杂因素的影响造成的乘性噪声的干扰，因此带乘性噪声系统的研究十分重要。带乘性噪声系统状态估计算法需要精确的系统模型及先验统计量，否则非但不能达到最优效果，甚至有可能导致滤波发散。当系统噪声统计特性未知时，带乘性噪声系统的自适应算法受到极大关注。本文主要研究带乘性噪声系统动态噪声方差和量测噪声方差未知情况下的自适应算法。对于线性系统的自适应卡尔曼滤波方法研究，国内外已经有了较多的研究成果，但对于带乘性噪声系统自适应滤波问题的研究尚处于初始阶段，理论体系还不完善。本文在总结前人研究成果的基础上，针对动态噪声及量测噪声方差未知的带乘性噪声系统提出了三种不同自适应算法。主要完成以下工作：1、研究带乘性噪声系统自适应方差辨识算法。利用克罗内克积理论证明系统在稳态时，新息序列近似为平稳随机过程，因此对于带乘性噪声系统新息方差可以利用样本方差近似估计。在线性最小方差滤波的基础上，给出了独立白噪声情形下，噪声方差在最小方差意义下的线性递推估计算法，从而形成了带乘性噪声系统在噪声方差未知情况下一种自适应滤波算法。并且进一步利用新息实际分布函数与理想分布函数间的差值，通过对新息协方差加权形式，实现算法的优化。此算法简单，且容易在计算机上实现，并通过仿真验证了算法的有效性。2、研究带乘性噪声系统自适应增益辨识算法。在状态滤波算法的基础上，推导出了独立白噪声情形下，噪声方差未知时滤波增益辨识算法。并基于矩阵范数不等式、矩阵微分、系统稳定性等理论，证明了算法的收敛性。算法最终将收敛于系统最优滤波增益，并通过计算机仿真实例验证算法的有效性。3、研究带乘性噪声系统自适应渐消因子算法。在Kalman自适应渐消因子算法基础上，基于方差匹配原则产生两个渐消因子，同时对动态噪声方差及量测噪声方差进行递推辨识计算。算法简单，收敛速度快，且便于计算机实现。并利用F测试，使算法能够跟踪噪声方差的变动，具有更高的实用价值。最后通过计算机仿真验证了算法的有效性。