导航技术的发展及应用使其可以用于多种工作场合，但是单一的导航系统或多或少存在不足，所以通过组合导航的方式来弥补各单一导航系统的不足，实现组合系统的最优化过程。在各种的组合导航系统，不能忽视的是惯性导航与天文导航结合的方式。这其中最常用的姿态敏感器就包括陀螺仪、加速度计、星敏感器等。陀螺仪与星敏感器的组合可以克服各自的缺点，是一种常用的组合方式。与大视场星敏感器相比，小视场星敏感器在体积、重量方面具有优势，并且在中低空飞行高度的干扰环境下，小视场星敏感器更不易受到外界环境的干扰。本论文依托国家自然科学基金(61573113)和哈尔滨市创新人才研究专项基金(2014RFXXJ074)，选取小视场星敏感器与陀螺仪进行组合确定系统模型，开展适用于小视场星敏感器的姿态滤波算法的研究。具体工作如下:　　根据陀螺仪及星敏感器的工作原理建立测量模型。由于实际的姿态估计系统一般属于非线性系统，直接对四元数的轨道动力学方程离散化，得到离散形式的状态方程，而状态方程的噪声项中存在四元数选取产生的耦合噪声项。对耦合噪声项进行了分析，并计算了耦合噪声项的均值及方差。　　分析了非线性系统不同滤波算法性能及适用条件，针对四元数描述物体的运动状态时存在模糊性问题，根据四元数的乘法特性，选取扰动采样点进行状态及误差方差的估计。基于扩展卡尔曼滤波算法、无迹卡尔曼滤波算法及容积卡尔曼滤波算法的结构，分别运用乘性EKF算法、基于四元数的UKF算法、基于四元数的CKF算法进行姿态估计，仿真分析各算法性能及稳定性，结果表明基于四元数的UKF、CKF滤波算法更适用于初始误差较大的条件。　　在小视场条件下设计星敏感器与陀螺仪组合的姿态算法。由于小视场能捕捉到的星点数量有限，可能不满足识别匹配的最低要求，存在信息丢失导致识别准确率的下降会影响姿态估计的精度。为了解决星点丢失问题，对导航星表扩充使其增加更多暗星，增加星点识别的时间，给姿态估计带来了延迟时间。针对带量测丢失的不确定性模型，提出了一种鲁棒递推滤波算法，解决了星敏感器信息丢失问题。针对带有量测延迟的不确定非线性系统模型，提出了一种鲁棒扩展卡尔曼滤波算法(REKF)，解决了星敏感器延时的问题。系统的复杂性使得我们难以求解方差矩阵的准确数值，根据最小均方误差准则的思想来求解各方差的最小上界，通过最小上界来设计滤波增益等。对提出的REKF算法进行稳定性分析，确定REKF算法的估计误差均方有界，理论上说明REKF算法的可行性。通过仿真分析，验证了不同条件下该算法的有效性。