无人直升机(UH)的稳定控制、定位、跟踪、导航需要UH对自身状态有准确的认识,从而使得UH状态估计问题成为UH研究中的一个研究热点而倍受关注。本文针对UH状态估计问题展开了研究。UH动力学模型是估计UH状态的基础,我们采用机理建模方法建立了UH动力学模型。在建模过程中,综合考虑了模型复杂度与模型准确性间的矛盾,引入了一些合理假设,既简化了建模过程又保证了模型精度。建模时着重建立了主旋翼、贝尔希勒翼、尾翼、发动机所产生的力/力矩计算模型,同时,分析了陀螺效应对UH机体所受到的外力矩的影响,并建立了贝尔希勒翼挥舞平衡方程。最后,考虑了噪声对模型的影响,建立了简化的UH动力学模型。UH模型是随机非线性的,UH状态只能使用非线性滤波算法来估计。本文分析了广义卡尔曼滤波算法(EKF)和Sigma点卡尔曼滤波算法(SPKF)的滤波效果,最终发现,理论上,EKF算法和SPKF算法的滤波效果相当。由于SPKF算法不需计算雅可比矩阵,因此,SPKF算法更适于估计UH状态。最后,本文把SPKF算法应用于UH状态估计问题,仿真结果表明使用SPKF算法能够实现对UH状态的估计。同时,比较了EKF算法和SPKF算法的滤波效果,仿真结果再次表明EKF算法和SPKF算法的滤波效果相当,进一步验证了EKF算法和SPKF算法滤波效果理论分析结论的正确性。实际应用中,模型中的噪声统计特性可能是部分已知、近似已知或完全未知的,此时,需使用自适应卡尔曼滤波算法(AKF)来估计UH状态。然而,由于AKF算法的收敛性证明一直悬而未决,从而导致了该算法的应用受到了极大的限制。为此,借鉴鲁棒卡尔曼滤波算法(RKF)中状态估计误差协方差矩阵有上界的设计思想提出了AKF算法的弱收敛性概念,并提出了一系列实用的AKF算法弱收敛条件,其中,一些条件既可用于判断AKF算法弱收敛性,又可用于设计弱收敛自适应卡尔曼滤波算法(WC-AKF)。最后,基于AKF算法的弱收敛条件设计了一种WC-AKF算法,并把该算法应用于UH状态估计问题,仿真结果表明使用WC-AKF算法能够实现对UH状态的估计。分析SPKF算法和WC-AKF算法,可以发现,这些算法中存在一些自由参数,这些参数影响着它们的滤波效果,显然,可通过设计优化的滤波算法来提高SPKF算法和WC-AKF算法的滤波效果。在设计优化的滤波算法时,目标函数的选择非常重要,本文设计了两种目标函数,并证明了这两种目标函数是最优的。从实际应用出发,把上述目标函数应用于SPKF算法和WC-AKF算法中,分别设计了一种优化的Sigma点卡尔曼滤波算法(OSPKF)和一种优化的弱收敛自适应卡尔曼滤波算法(OWC-AKF),其中,OSPKF算法用于处理噪声统计特性已知系统,OWC-AKF算法用于处理噪声统计特性未知系统。由于OSPKF算法和OWC-AKF算法的权值基于最优目标函数更新,因此,它们能够得到系统真实状态的较优估计值。最后,把OSPKF算法和OWC-AKF算法应用于UH状态估计问题,仿真结果表明使用OSPKF算法和OWC-AKF算法能够实现对UH状态的估计。