自人类发现某些昆虫能够通过独特的复眼结构采集天空中的偏振光进行导航以来,仿生偏振光导航这种新型导航方法应运而生,成为了导航领域新的研究热点。仿生偏振光导航的研究虽然已经取得了一定的成就,但目前仿生偏振光导航还存在许多问题有待研究。本文提炼了相关问题,重点研究了如何利用偏振光进行载体姿态解算,主要内容包括:（1）针对目前缺乏考虑气象因素影响和天空中光强分布的解析大气偏振模型,在Berry天空模型的基础上结合可描述光强信息的Hosek天空模型,设计并构建了同时考虑中性点、大气浑浊度、地表反照率、光波长的一种混合光强的改进解析大气偏振模型,不仅可以描述天空中偏振度和偏振角的分布情况,同时也可以描述天空中光强的分布情况。此外,设计了不仅可以获取总光强、偏振度和偏振角图像,还可以获取不同偏振方向原始光强图像的偏振成像仿真系统。最终,基于改进大气偏振模型和偏振成像仿真系统,构建了偏振光姿态解算仿真系统,并利用该仿真系统开展了大量仿真实验,建立了用于姿态解算的偏振光图像仿真数据集。（2）针对目前偏振光航向角解算方法难以在恶劣气象条件下有效解算航向角的问题,提出了利用支持向量机进行偏振光航向解算的思路和方法,将航向解算问题转化为二分类问题,并考虑噪声和云的影响,利用机器学习中的软边缘支持向量机进行航向信息解算。设计并搭建了仿生偏振光航向解算实验平台,在不同天气条件下,如晴天、多云、阴天,进行了偏振光航向解算对比实验,突出了软边缘支持向量机偏振光航向解算算法的抗干扰能力。此外,分析并研究了载体倾斜姿态（偏振光传感器不正对天顶点）对于偏振光航向解算精度的影响,并给出了倾斜补偿方法。（3）针对目前经典仿生偏振光姿态解算方法难以反映昆虫神经系统编码和处理偏振信息并获取航向角的过程,参考昆虫独特的偏振信息处理神经系统,提出了一种基于人工神经网络的偏振光姿态解算方法。首先,设计了偏振光航向解算人工神经网络,所设计的网络具有特定空洞卷积,可以在网络中直接提取偏振度和偏振角信息,并且所构建的网络模型以指数函数编码作为网络输出,不仅可以更好地反映昆虫对偏振信息的编码,而且提高了偏振光航向解算的稳定性和准确性。其次,通过对网络的进一步改进,设计了能获取二维姿态信息的偏振光太阳位置解算人工神经网络,不仅可以获取太阳航向角,还能获取太阳高度角。最后,在所构建的偏振光图像数据集上进行训练和测试,验证了网络的有效性。（4）针对目前偏振光三维姿态解算存在一定理论模型和方法上的不足,推导证明了Rayleigh天空模型只含有一个矢量信息,因此该模型只含有两个独立的姿态信息,得出了仅依靠Rayleigh天空模型无法进行实时偏振光三维姿态解算的结论,分析了目前仅依靠Rayleigh天空模型的实时偏振光三维姿态解算方法存在的不足。其次,设计了基于模板匹配和蜘蛛群优化算法的偏振光三维姿态解算算法,通过数字仿真验证了可利用所建立的改进大气偏振模型进行载体三维姿态信息解算,但是容易受到各种影响因素的干扰,实际应用中难以有效进行载体三维姿态解算。因此,进一步设计了偏振光/加速度计双矢量融合三维姿态解算模型,并针对不同三维姿态角进行载体的三维姿态解算外场实验,实验结果表明三个姿态角的解算均方根误差都不超过0.21度。