非线性动态随机系统估计是实现目标跟踪、导航解算的基础核心理论，是目前国际控制领域研究热点。如何实现从形式上贝叶斯估计到可操作估计一直是非线性估计的研究难点，目前国际上主要解决策略可归纳为两类：确定采样型和随机采样型。在确定采样型方面，非线性并非单一存在，它经常与噪声非高斯、量测随机时滞等复杂特征耦合共存，由于非线性的存在，多复杂特征之间解耦困难，无法构建起贝叶斯估计框架与数值计算之间的关联性，即数值计算所施加的非线性积分对象不明确，导致非线性估计无法执行和操作；在随机采样型方面，粒子权值退化和多样性匮乏是公认两大理论难点，尽管国际上已经给出众多解决上述难点的粒子随机采样策略，但缺乏深入剖析两者内在机理与关联，导致随机采样策略只能特殊问题特殊处理，缺少统一评价不同采样策略的公用基准。

本项目瞄准国际学术前沿，围绕国防重大需求，针对采样型估计所面临的关联性构建困难、统一评价基准缺乏等难点问题，系统深入地开展了非线性动态随机系统采样型估计理论方法及应用研究，取得了以下重要进展：

1. 引入多变量高斯概率假设，构建了多复杂特性耦合行为的统一数学表征模型，建立了通用高斯贝叶斯确定采样型估计理论，实现了多复杂特性在高斯框架中的耦合共存，突破了解耦计算的复杂性瓶颈，进而实现了非线性估计的通用泛化设计，便于工程模块化执行。

2. 深入剖析粒子权值退化和多样性匮乏的内在关联机理，设计了全新的无偏同分布准则，规范了重采样方法设计，提出了基于均值一致性的随机重采样质量客观评价方法，在此基础之上，构造了多种性能优异的重采样新方法，包括：免退化的确定性重采样、算法复杂度自治调整的自适应重采样、最小采样方差重采样等，丰富和发展了粒子滤波重采样策略的知识库。