在Kalman滤波理论中,加权相关法是一种利用Kalman滤波新息,估计未知的噪声统计信息的自适应滤波方法,但受限于动态模型异常和粗差观测对滤波状态估计的影响,已有的加权相关法不能得到更优质的参数估值。为了克服这一局限性,以获取高精度、高可靠性的噪声协方差估值为目的,围绕自适应抗差Kalman滤波方法、噪声协方差估计方法展开研究,提出了抗差加权相关法,通过数值模拟算例和GPS单点定位实验算例验证所提方法的正确性和有效性。论文的主要研究工作概括如下:1.对Kalman滤波方法在国内外的研究现状进行了归纳、总结,包括了噪声协方差估计方法、基于自适应因子的滤波方法以及组合滤波方法,指出了上述方法在动态数据处理中存在的缺点及构造合理的滤波模型和方法的必要性。2.为了实现加权相关法和自适应抗差滤波方法的优势互补,提出了抗差加权相关法噪声协方差估计,用以抵制未知噪声协方差及粗差观测对参数估计的影响,提高参数估计精度。同时,通过数值仿真算例对该方法的正确性和有效性进行了验证,数值仿真结果表明:该方法在保证噪声协方差估计结果无偏的同时,提高了估计精度。3.为了验证抗差加权相关法在实际应用中的可靠性,结合GPS单点定位的应用实例比较分析了加权相关法和抗差加权相关法这两种噪声协方差估计方法的性能,实验结果表明:抗差加权相关法可以有效地抵制粗差,具有很强的抗差性;加权相关法不能抵制粗差,性能较差。