头盔瞄准具是安装在飞行员头盔上的一种瞄准装置，它在现代飞机飞行作战中发挥着越来越重要的作用，对其准确、快速定位是充分发挥头盔瞄准具作用的一个重要前提。在头盔瞄准具单目视觉定位系统中，头盔位姿的测量速度受到了面阵CCD帧幅率的限制，因而如何提高头盔瞄准具的位姿测量速度是目前研究的一个重要方向。本文针对这一问题，分别对基于最小二乘递推理论和Kalman滤波理论的头盔瞄准具运动位姿预测方法进行了较为深入的理论和实验研究。具体开展的研究工作如下：1.分析了头盔瞄准具运动位姿预测的重要意义，研究了物体运动位姿的预测方法和国内外研究现状，阐述了本文的研究价值和研究目的；2.基于最小二乘递推理论，研究了一种运动矩阵预测方法，将基于点特征定位的位姿测量值作为观测量，利用递推运动矩阵建立了头盔瞄准具位姿的固定超前预测模型，并进行了相应的计算机仿真研究；3.为改善运动矩阵预测方法对头盔位姿测量噪声抗干扰能力不足的缺点，研究了一种自适应扩展Kalman滤波预测方法，将摄像机透视变换模型与状态空间模型相结合，跳过位姿的测量过程，直接通过头盔上定位特征点在CCD像面上的理想图像坐标对头盔位姿进行固定超前预测和估计；4.为克服自适应扩展Kalman滤波预测方法对头盔位姿预测和估计精度低的缺点，研究了一种自适应Kalman滤波预测方法，将基于点特征定位的头盔位姿测量值作为观测量，建立了头盔位姿的预测模型，对其在未来时刻的运动位姿进行固定超前预测；5.搭建了模拟实验系统，对所研究的头盔位姿预测方法进行了验证。实验结果表明：基于自适应Kalman滤波的预测方法能够克服运动矩阵预测和自适应扩展Kalman滤波预测方法的不足，可以对头盔瞄准具的位姿进行准确的固定超前预测，从而有效地提高头盔瞄准具的位姿测量速度，并在一定程度上提高其位姿测量的精度。