了解系统的内部状态是控制系统的重要前提,分数阶卡尔曼滤波器是重建分数阶系统不可测量状态的利器,在各个领域中发挥着不可替代的作用。但是,经典的分数阶卡尔曼滤波器仅考虑了过程噪声和观测噪声,并未考虑实际系统中输入变量所包含的噪声,而此时使用经典的分数阶卡尔曼滤波器估计会产生较大的偏差,所以研究一种考虑输入噪声的分数阶卡尔曼滤波方法是十分必要的。本文在已有分数阶卡尔曼滤波器的基础上,进一步研究了存在输入噪声时的分数阶卡尔曼滤波器的设计方法。主要工作如下:（1）针对连续线性和非线性分数阶系统存在输入噪声时的状态估计问题,提出了基于偏差补偿的分数阶卡尔曼滤波算法和分数阶扩展卡尔曼滤波算法。所提方法通过引入偏差补偿项,重新定义分数阶卡尔曼滤波器滤波过程中系统状态的预测量和更新量,从而得到系统状态无偏估计。最后,通过仿真对比了在不同噪声情况下所提方法与分数阶卡尔曼滤波算法估计结果的均方根误差,验证了所提方法的优越性。（2）对偏差补偿分数阶卡尔曼滤波算法和分数阶扩展卡尔曼滤波算法进行进一步优化,解决所提方法存在的过补偿问题。优化后的方法通过修正滤波过程中的卡尔曼增益系数,获得更准确的系统状态估计结果。最后,通过仿真对比了在不同噪声情况下,优化后的方法与经典分数阶卡尔曼滤波算法、偏差补偿分数阶卡尔曼滤波算法估计结果的均方根误差,证明优化后的方法具有更小的估计误差。（3）针对连续线性和非线性分数阶系统存在输入噪声和统计信息不确定的过程噪声和测量噪声时的状态估计问题,提出了改进的偏差补偿自适应分数阶卡尔曼滤波算法和分数阶扩展卡尔曼滤波算法。所提方法结合了优化后的偏差补偿分数阶卡尔曼滤波器和Sage-Husa自适应滤波器思想,通过引入偏差补偿项,重新定义分数阶卡尔曼滤波器滤波过程中系统状态的预测量和噪声自适应更新量,从而得到系统状态无偏估计。最后,通过仿真实例对比了在不同噪声情况下,所提方法与Sage-Husa分数阶自适应滤波算法的估计结果的均方根误差,证明了所提方法具有更好的滤波效果。