滤波技术指的是将信号中的特定波段频率分离,是现代工业电子、航空航天、图像处理等领域常用的抑制干扰的有效方法,因此得到了国内外专家学者的极度重视。在高斯线性系统中,以卡尔曼滤波器最为著名。而为了拓展滤波技术的应用,学者们研究了针对一类噪声为高斯的非线性系统的滤波算法。但针对非高斯噪声的非线性系统滤波方法的研究相对较为局限,本文就针对该类复杂系统的滤波方法进行研究。本文主要是针对基于特征函数的滤波算法的扩展研究。(1)对于现有的特征函数滤波算法进行了局限性分析,在基于多输入多输出所设计的滤波算法而适用于多输出的情况下,仅可得到数值近似的增益矩阵,存在因局部极值而导致的误差。利用泰勒展开思想将原本只适用于状态为线性观测为非线性的特征函数滤波算法,推广到适用于状态和观测均为非线性的复杂系统。通过仿真实验证明了方法的有效性。(2)特征函数滤波算法应用于多维观测系统下时,利用不动点迭代方法求解滤波增益矩阵。并对结果进行多项式拟合,从数值方法上对该算法的收敛性进行了分析,并与利用梯度下降法求解的算法进行比较实验。最后,通过一个工业器件的测量模型仿真实验证明了本文方法的有效性及适用性。(3)考虑到信息的多样性和融合性,本文在多传感器系统中分别设计了并行式和序贯式两种形式的特征函数滤波器。前者需要融合所有传感器的信息,因此信息较为可靠;后者则是考虑到了因传感器分别处于不同的地方而导致数据到达融合中心存在时间差,且传感器也可能出现的丢包现象,序贯式滤波同时还考虑到了信息继承性问题。最后通过仿真实验证明了两种滤波器设计方法的有效性及差异性。