无人机以其隐蔽性好、不惧伤亡、操作简单、使用灵活、滞空时间长、造价低廉等优点,无论是在军事领域还是在民用方面均有着广泛的运用。在无人机的很多应用中,都会包含对动态目标的定位与跟踪任务,定位与跟踪精度的高低,直接决定着任务的成败。我国无人机在目标跟踪定位领域与发达国家有很大差距,为此,本文开展了无人机对动态目标高精度定位与跟踪方法研究。论文的主要内容及研究成果总结如下:(1)单架无人机测角测距目标定位方法的研究。利用无人机光电平台测量系统测得目标的相对方位角、俯仰角及距离,通过齐次坐标转换法推导出目标定位及目标引导的计算公式,解算出目标在大地坐标系下的位置信息(经度L,纬度B,高度H),进而在电子地图上标注出来,以便于对目标进行分析与监视。(2)对无人机目标定位过程进行误差分析,并提出一种高精度目标定位的总体方案。首先建立目标定位的误差模型,使用Matlab语言编写无人机目标定位仿真程序,基于蒙特卡罗思想,对目标定位过程进行了大量的仿真分析,找出对目标定位精度影响较为明显的因素,在此基础上,提出提高目标定位精度的相应措施,进而提出了基于无人机组合导航技术的高精度目标定位方案。(3)针对提出的定位方案,深入研究了无人机的SINS/GPS组合导航技术。使用Matlab/Simulink仿真工具分别对SINS和GPS导航系统进行仿真,验证其系统性能,分析了它们的优势和局限性。把这两个系统通过卡尔曼滤波最优估计算法组合起来,取长补短,通过仿真实验证明,组合导航定位精度明显高于各系统独立工作的精度。(4)对无人机目标跟踪中的目标状态融合估计算法进行研究,提出了一种基于CS模型的交互式多模型粒子滤波算法。由于交互式多模型粒子滤波算法只有在选择了合适的目标运动模型、模型参数及模型个数时才能得到很好的跟踪效果;而CS模型自适应滤波算法,虽然具有跟踪精度高、能比较真实地反映目标机动性的优势,但是无法自动调节。因此,将这两种算法相结合,在交互式多模型粒子滤波算法的基础上,计算模型的校正概率,自适应地调整CS模型中的最大正、负加速度,充分发挥两种算法的优势,提高了跟踪精度。通过仿真验证了本文提出新算法的有效性。