卡尔曼滤波自提出以来便得到了广泛的应用,尤其是涉及到状态预测、估计的各个领域。但卡尔曼滤波仅适合于线性系统,而现实生活中广泛存在的是非线性系统,如飞机姿态估计、弹道目标再入跟踪、电池状态估计等,因此需要探索适合非线性系统的状态预测、估计方法。扩展卡尔曼滤波是一种经典的非线性系统状态预测、估计方法,该方法将非线性系统一阶线性化,从而使得非线性系统的状态预测、估计成为现实。该方法原理简单,易于理解,但只能达到一阶精度,对于强非线性系统甚至会出现滤波发散,此外还需要求解繁琐的Jacobian矩阵。基于采样的非线性卡尔曼滤波方法因具有更高的估计精度和运算效率得到了学者的重视。本文在研究了无迹卡尔曼滤波、中心差分卡尔曼滤波、容积卡尔曼滤波等采样型非线性卡尔曼滤波基本理论后,主要做了三方面的工作:将单形无迹卡尔曼滤波应用于飞机姿态估计,提高了运算效率;将单形无迹卡尔曼滤波与高斯—拉盖尔积分准则相结合给出了单形无迹求积卡尔曼滤波方法,并用弹道目标再入跟踪模型进行验证,结果表明:单形无迹求积卡尔曼滤波可以获得比单形无迹卡尔曼滤波更高的估计效果;在扩展信息滤波与单形无迹求积卡尔曼滤波的基础上给出了单形无迹求积信息滤波,并以空中交通控制进行验证,结果表明:单形无迹求积卡尔曼滤波比扩展信息滤波估计精度更高。