自从Wiener滤波以来,估计问题包括滤波、预测、平滑已经成为控制、通信领域关键的研究课题。但是Wiener滤波很难实现信号的实时处理,而Kalman滤波正好弥补了这一缺陷,当信号含有噪声时,Kalman滤波可以在最小均方差条件下给出信号的最佳估计,而且是在时域中采用递推方式下进行,因此速度快,便于实现。　　传统的Kalman滤波算法是建立在2H估计准则基础之上的,它要求精确己知的系统模型并且噪声是高斯的。但是在实际情况下,系统中存在着随机不确定性,干扰噪声也未必一定是高斯的,本论文将研究一类随机不确定噪声情况下即非高斯噪声条件下的Kalman滤波问题,这里所说的非高斯噪声情况是一种广义非高斯噪声统一的概括。如果我们仍然按照传统的Kalman滤波进行估计,则会造成估计效果较差或引起发散。　　高斯噪声条件下Kalman滤波器将采用新息重组的新技术,与同类算法相比,该算法易于计算和计算量小。非高斯噪声条件下Kalman滤波设计方法是基于熵理论的,这种方法的建立通过仿真实验验证是有效的、可行的,其应用广泛特别适用于噪声完全未知的情形。通过这种新的角度结合具体的算法为噪声已知概率分布的非高斯或噪声未知非高斯情形下滤波,本文做了大量的实验并提出了较为满意的解决途径。为了清楚说明熵原理应用非高斯滤波器的设计结果,本文运用了数学统计的方法,并对比滤波效果,说明了其可行性。