随着世界经济的发展,陆地资源的逐渐短缺,地球海洋资源的开发与利用已成为各国经济发展重点。因此对资源开发和工程项目中作业船舶配备的技术设备也提出了更高的要求。船只在海洋中的按轨迹航行和定点作业,需要依靠装载动力定位系统(Dynamic Positioning Systems,DP Systems)。DP系统的定位精度依赖于船舶状态估计器是否能有效的估计位置、艏向和速度等船舶状态。本文以低速航行的动力定位船为研究对象,在噪声统计特性改变的情况下,设计一种基于改进粒子滤波的船舶非线性状态估计器来估计船舶状态,提升动力定位系统的定位精度与整体性能。首先,对船舶运动数学模型进行分析和建立,介绍常用船舶运动参考系,将船舶运动看作高频与低频的叠加,从而分别建立船舶高频、低频运动模型,并建立测量系统测量模型。为了更精确的描述船舶在海上的真实运动状况,根据外界环境的特点,分别建立风、浪、流三种海洋环境干扰力模型。然后,对非线性滤波方法进行研究。主要在贝叶斯递推框架的理论基础上,研究了基于卡尔曼滤波(Kalman Filter)的常用非线性高斯滤波方法:扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF),并分别给出两种滤波方法的适用条件和优缺点。在非线性非高斯的情况下,以标准粒子滤波为基础,为了提高粒子滤波精度,将无迹卡尔曼滤波用于重要性密度函数的生成,提出了一种无迹高斯粒子滤波(Unscented Gaussian Particle Filter,UGPF),并对其收敛性进行证明和分析。接下来,采用UGPF方法进行状态估计器的设计,由于所建立模型的过程方程是随机常微分方程,为了带入离散的滤波模型中,应用1.5阶It?泰勒展开将过程方程转化为随机离散方程。然后考虑到非高斯噪声的影响,用统计特性未知并且时变的高斯分布来拟合非高斯噪声,并基于边缘化粒子滤波思想,对噪声未知参数实时估计,以提高滤波精度,针对粒子滤波算法快速性问题,引入KLD在线调整采样粒子数,最终给出RB-AUGPF(Rao-Blackwellization-Automatic Unscented Gaussian Particle Filter)船舶状态估计器设计方法。最后,为了验证本文所设计的非线性状态估计器性能,基于所建立的船舶模型,对所提出的非线性状态估计器的有效性进行仿真验证。在高斯噪声情况下对UGPF估计器仿真,在加入含有野值的测量噪声情况下对RB-AUGPF估计器仿真,并选择性能良好的SRCKF(Square-Root Cubature Kalman Filter)估计器作为对比,仿真结果证明所设计的非线性状态估计器均能有效估计出船舶位置、艏向角和速度信息,RB-AUGPF估计器对测量野值具有良好的鲁棒性。