在动态导航定位、目标跟踪识别、无线通信等方面，滤波是最有效且最常用的算法，它具有计算效率高，占用内存小，简单便捷等特点，很适合应用在动态数据处理中。但是滤波的研究一般都是在理想的高斯、线性条件下，实际应用中往往不能满足这类条件，因此研究非高斯、非线性条件下的滤波处理算法具有重要的理论意义和实际价值。　　本文在观测噪声为有色噪声条件下，结合模拟数据与实测数据，研究了线性条件下的标准卡尔曼滤波、非线性条件下的无迹卡尔曼滤波及非线性条件下的粒子滤波的理论和算法，主要结构及内容如下：　　1.对现有的标准卡尔曼滤波、无迹卡尔曼卡尔曼滤波、扩展卡尔曼滤波、粒子滤波等多种有色噪声滤波处理算法，进行了总结和分类，简要的介绍了各种滤波算法的特点，分析了它们在处理有色噪声时的优缺点。　　2.在线性系统下，如果有色观测噪声满足一阶AR模型的基础上，卡尔曼滤波算法通过扩增观测信息来抑制有色观测噪声的“污染”，应用模拟算例和实测数据验证了算法及模型的可行性，计算结果表明，该算法能有效的抑制有色噪声的影响。　　3.在非线性系统中，如果有色观测噪声满足一阶AR模型的条件下，基于量测信息增广和最小方差估计，通过UT变换来计算非线性状态后验均值，进而得出一类具有处理有色观测噪声下无迹卡尔曼滤波的递推公式，通过强非线性模拟算例及实测数据验证了该算法的可行性。　　4.在非线性系统中，如果有色观测噪声满足一阶AR模型的条件下，基于粒子滤波原理，对其重要性权值进行分析处理，进而得到能够抑制有色噪声的粒子滤波算法。经实测算例以及仿真算例验证，得出该算法能够在一定程度上抑制有色观测噪声的影响。