非线性滤波是飞行器姿态估计中关键的技术,非线性滤波的性能直接决定了姿态估计的性能。目前,四元数无迹卡尔曼滤波器(Quaternion Unscented Kalman Filter,QUKF)因具有实施简单、滤波精度适中、收敛性好等优点,已经成为一种有效的姿态估计方法。但是,QUKF因存在负的权值使得它具有差的数值精度和数值稳定性,这大大地降低了它的姿态估计精度和工程实用价值。为了解决这些问题,本文做出了如下的工作:为了改善QUKF的数值性能,本文首先基于三阶球径容积准则提出了一种四元数容积卡尔曼滤波器(Quaternion Cubature Kalman Filter,QCKF)。与现有的QUKF相比,它所有的权值都是正数,从而它具有更好的数值精度和数值稳定性,大大地提高了姿态估计精度。此外,因QCKF比QUKF使用了更少的sigma点,使得其比现有的QUKF具有更低计算负担。为了进一步提高QCKF的估计精度,本文基于高阶球径容积准则提出了一种四元数高阶容积卡尔曼滤波器(Quaternion High-degree Cubature Kalman Filter,QHCKF)。与QCKF相比,QHCKF比QCKF能捕捉到非线性系统函数和量测函数更高阶的泰勒展开项,因此QHCKF比QCKF具有更高的估计精度。为了解决噪声在非线性传播时QCKF和QHCKF精度下降问题,本文提出了四元数扩展CKF(Quaternion Augmented CKF,QACKF)和四元数扩展HCKF(Quaternion Augmented HCKF,QAHCKF)。与QCKF和QHCKF相比,虽然QACKF和QAHCKF在一定程度上提高了姿态估计精度,但是它的计算复杂度远高于QCKF和QHCKF。为了降低QACKF和QAHCKF的计算负担,本文提出了四元数状态切换CKF(Quaternion State Switching CKF,QSSCKF)和四元数状态切换HCKF(Quaternion State Switching HCKF,QSSHCKF)。与先前的QACKF和QAHCKF相比,QSSCKF和QSSHCKF具有与其相当的估计精度,但是具有更低的计算负担。本文采用陀螺/CCD组合姿态估计平台。验证本文提出方法的优越性。仿真结果显示,本文提出的QCKF和QHCKF比现有的QUKF具有更高的姿态估计精度,并且QHCKF比QCKF具有更高的估计精度。此外本文提出的QACKF和QSSCKF优于QCKF,QAHCKF和QSSHCKF优于QHCKF。值得注意的是QSSHCKF不仅具有高的估计精度,而且具有适中的计算负担,使得其具有很好的工程应用价值。