脉冲星是宇宙中一种高速自转且具有极其稳定周期的信号源,其辐射的脉冲信号经信号分析和处理后,可为航天器提供精确的导航信息。在脉冲星辐射频段中,X射线集中了脉冲星的绝大部分能量,更易被小型探测器捕获,因此一种基于X射线脉冲星自主导航(XNAV)的新兴导航技术应运而生。脉冲到达时间(TOA)作为XNAV的基本测量参数,它通过对脉冲星的观测和标准脉冲轮廓做时延估计处理获取,高精度的时延估计算法是保证XNAV准确性的关键。另一方面,航天器的当前状态信息通过XNAV滤波算法获取,XNAV滤波算法与航天器的状态估计的精度直接相关。因此,提高滤波算法的估计精度,对航天器状态的精确估计也极为重要。作为XNAV中的一种经典时延估计算法,广义加权互相关算法(GCC)考虑了信号与噪声之间可能相互关联性,利用加权函数改进互相关算法(CC)。虽然该算法对平稳信号有着较好的处理结果,但是脉冲星自行现象和多普勒效应等导致脉冲信号不是绝对的平稳信号,使得该算法时延估计效果不佳。同时,由于X射线脉冲星辐射脉冲的不稳定、宇宙背景噪声复杂和航天器自身的抖动等原因,X射线脉冲星的噪声统计特性不是一成不变的。然而传统的扩展卡尔曼滤波(EKF)算法无法针对上述变数对噪声矩阵进行调整,采用与真实状态下相差甚远的噪声方差进行状态估计,会产生较大误差。针对上述两个XNAV中的实际问题,本文从脉冲星信号时延估计算法和导航滤波算法入手,研究提高航天器导航精度的有效方法:(1)提出了一种基于分数阶傅里叶变换(FRFT)的广义加权互相关XNAV时延估计算法。该算法将分数阶傅里叶变换这一非平稳信号处理的数学工具引入到GCC中,首先将X射线脉冲星标准脉冲轮廓和观测脉冲轮廓变换到噪声抑制效果最优的FRFT变换域中,然后在该FRFT域中对脉冲信号做相关性处理获取基于FRFT的信号互功率谱函数,最后将基于FRFT的互功率谱函数变换回时域来确定XNAV时延估计的估计值。该方法在确保XNAV时延估计性能的前提下,可以获得比原有方法更高精度的时延估计值。(2)提出了一种基于PEKF的XNAV滤波算法。该算法结合传统的XNAV滤波算法和人工智能算法,将粒子群优化算法(PSO)引入到XNAV导航定位算法中,构建一种基于PSO的X射线脉冲星自主导航定位模型。利用PSO算法的寻优能力,对EKF中的系统状态噪声矩阵和测量噪声矩阵进行实时的更新和优化,确保导航滤波算法中系统状态噪声和测量噪声的统计特性和实际噪声情况相近,以解决XNAV中的系统状态噪声和测量噪声统计特性发生不确定变化时滤波精度下降的问题。