随着人类对太空的不断开发,太空环境变得愈发拥挤。空间中的一些航天器由于自身故障或者燃料耗尽不能继续提供服务,但是它们仍在轨飞行并占据宝贵的空间资源。同时,由于这类失效航天器通常不能提供自身的有效信息并且在空间环境中失控翻滚,因此被称为空间非合作目标。这些空间非合作目标不仅浪费了本就局促的空间资源,而且对其他正常服务的航天器造成严重威胁。因此,对这类仍在运行的失效航天器进行清除十分必要,而对其位姿质量参数准确且可靠的估计是处理这类航天器的基础。只有对这类非合作航天器进行了准确且可靠的参数估计,后续任务才能够顺利完成。因此,对空间非合作目标位姿质量参数估计方法进行研究对未来的空间操作具有重要的理论意义和应用价值。本文以空间非合作目标参数估计为研究背景,对空间非合作目标位姿质量参数一体化估计方法进行了研究。论文的主要研究内容和研究成果如下:（1）研究了空间非合作目标姿轨一体化建模的问题。首先,考虑姿轨耦合因素,针对空间非合作目标滚动和平动相互耦合的特点,引入矢量对偶四元数对空间非合作目标的位姿与质量参数进行表示,并在此基础上推导了基于矢量对偶四元数的空间非合作目标运动学与动力学方程。此外,为了避免对偶算子对运算的影响,基于矢量对偶四元数,本文推导了矩阵形式的空间非合作目标运动学与动力学模型,提高了计算的简洁性。本文新建立的姿轨一体化模型在考虑姿轨耦合因素的影响下,充分体现了空间非合作目标运动学与动力学的特性,为全文理论分析与参数估计方法设计提供了矩阵形式模型。（2）研究了基于矢量对偶四元数的运动学与动力学模型以及视觉观测模型的系统可观测性的问题。针对空间非合作目标,采用视觉敏感器测量相对姿态与位置信息,结合基于矢量对偶四元数的运动学与动力学模型,分析了系统的可观测性指标及计算方法,进而设计了基于扩展卡尔曼滤波的空间非合作目标位姿质量参数一体化参数估计方法,定性定量地确定了本文所针对的系统是否可观测,以及哪个参数（或哪些参数的线性组合）具有较高的可观测度,从而为本文后续参数估计方法的设计提供了视觉观测能观性分析。（3）研究了观测模型强非线性情况下空间非合作目标位姿质量参数一体化估计问题。针对空间非合作目标观测模型强非线性的情况,结合基于矢量对偶四元数的运动学与动力学模型以及视觉观测模型,定义增广状态,提出基于正则化牛顿高斯迭代以及卡尔曼滤波的空间非合作目标参数估计方法,解决了在观测模型强非线性情况下空间非合作目标参数难以准确估计的问题,实现了强非线性观测模型条件下空间非合作目标位姿质量参数的准确可靠估计。通过与过去已有方法的对比显示,所提方法能够对空间非合作目标进行位姿质量参数准确可靠估计。（4）研究了观测短时间失效情况下空间非合作目标位姿质量参数一体化估计问题。针对空间非合作目标参数估计中由于空间环境干扰或观测敏感器故障而引起的观测短时间失效问题,结合基于矢量对偶四元数的运动学与动力学模型以及视觉观测模型,设计了一种基于新息的自适应扩展卡尔曼滤波参数估计算法,实现了在观测短时间失效时,对空间非合作目标进行可靠准确的位姿质量参数估计。同时,针对观测短时间失效的情况,还设计了一种基于两颗低成本服务航天器的鲁棒联邦滤波器,从而能够在观测短时间失效发生时对空间非合作目标的位姿质量参数做出准确估计。与现有配备复杂参数估计算法的高成本服务航天器相比,该方法能够应用于低成本微小卫星平台,具有一定的工程实践价值。（5）研究了观测长时间失效情况下空间非合作目标位姿质量参数一体化估计问题。由于空间光照环境复杂、空间非合作目标自由翻滚以及基于视觉的敏感器易发生故障,因此,对空间非合作目标进行观测时有可能出现长时间测量失效的情况。而传统基于卡尔曼滤波进行参数估计的方法由于必须进行测量更新,而长时间缺少有效测量新息将会严重影响其滤波精度甚至导致滤波发散,从而不能在长时间观测信息失效的情况下对系统参数进行有效估计。针对观测长时间失效的情况,设计了一种基于人工神经网络的混合深度神经网络参数估计算法,能够通过地面训练以及在轨实时更新,完成混合深度神经网络的训练与更新。当观测长时间失效时,采用该混合深度神经网络能够对空间非合作目标的位姿质量参数进行可靠且准确的估计。