本书介绍了滤波增益校正的鲁棒卡尔曼滤波器 (RKF)。在不影响精确测量的前提下,通过定义一个测量噪声比例因子 (MNSF) 变量,对测量进行修正,其中,故障考虑小权重和估计。提出单个和多个MNSF (R-自适应) 的RKF算法,并应用于测量故障的无人机平台状态估计中。对比这些算法在不同类型传感器故障的处理结果,给出应用建议,并对RKF的稳定性进行分析。引入无人机状态估计的噪声协方差 (Q-自适应) 自适应过程,提出了针对传感器/执行器故障的R-自适应和Q-自适应的鲁棒自适应卡尔曼滤波器 (RAKF) 算法。因此,在传感器/执行器故障时,该滤波器仍能保持稳定并保证精确估计。通过对无人机状态估计过程仿真,对所提出的RAKF性能进行研究。该方法保证了无人机参数估计系统不受传感器/执行器故障的影响,实现了无人机自主地执行任务。