在随机滤波领域中,观测信号的状态转换模型通常是未知的,设计一个不依赖于观测信号及干扰噪声先验特性的智能滤波器,对抗随机干扰具有重要作用。量子滤波器利用薛定谔方程作为万能状态转换方程,从而实现了无模型滤波。因此,改进量子滤波算法和提高其适用性具有重要的应用价值。本文为了提高量子滤波算法的准确性、稳定性以及适用性主要进行了如下的研究:(1)为了提高量子滤波器的准确性与稳定性,提出了采用可变方差的高斯核函数对观测信号进行预处理,对该方法提高滤波器稳定性和准确性的原理进行了详细分析。最后将改进的量子滤波算法与递归最小二乘滤波算法进行仿真对比,说明了改进量子滤波算法的准确性、自适应性以及灵活性。(2)为了能快速获得量子滤波器的滤波参数,通过分析量子滤波器的认知过程,将滤波参数分为与观测信号无关的系统参数和仅与观测信号相关非系统参数,并建立了非系统参数和正弦输入信号的频率及输入信噪比之间的函数关系。最后将利用本文所述方法求得的滤波参数的滤波器和利用遗传算法得到的滤波参数的滤波器进行仿真对比,说明了本文所述方法的有效性和高效性。(3)在过滤非正弦输入时,为了保证滤波的准确性,本文采用短时傅里叶变换近似在线估计输入信号的频率及输入信噪比,从而实现非系统参数的在线更新。最后通过固定非系统参数的滤波器和在线更新非系统参数的滤波器的仿真对比,说明本文所述非系统参数在线更新算法的优越性及其不足。(4)当观测信号为矢量序列时,为了充分利用其空间相关性,本文首先设计了时间复杂度较低的无反馈量子滤波算法,然后将其拓展为二维量子滤波算法。最后将二维量子滤波器和独立一维量子滤波器组进行仿真对比,反映二维量子滤波算法的优缺点。