在进行目标跟踪时,由于目标运动模型的特殊性或者特殊的数据处理方法导致量测噪声不再是传统认为的独立的高斯白噪声,而是存在量测噪声与量测矩阵相关以及量测噪声自相关等特殊目标跟踪问题。为了处理在量测噪声为非独立的非白噪声下的目标跟踪问题,我们在基础的MMSE估计框架下进行新的目标跟踪方法的推导,使用更多的先验信息,以此来提高目标的跟踪精度,论文主要工作如下:(1)一种新的纯角度目标跟踪算法——拟线性-MMSE。由于纯角度跟踪问题的特殊性,也就是方位角量测值与目标状态向量为非线性函数关系。因此首先通过数学运算构造一个伪量测,将非线性量测方程拟线性化,该步骤导致新的量测矩阵与量测噪声存在相关,因此传统的算法PLKF存在严重的偏差问题,使得PLKF的跟踪性能大大降低,所以需要对其进行改进。以往的对PLKF的改进算法是基于对PLKF的偏差进行补偿,这些方法不仅运动模型受限,而且理论框架不完整统一。因此提出了一种新的纯角度目标跟踪算法——PL-MMSE。该方法是在统一的MMSE估计框架下的全新推导,这保证了新算法的理论完整性和低计算复杂度。并且由于PL-MMSE在MMSE估计框架中隐含地处理量测矩阵和量测噪声之间的相关性,因此纯角度目标跟踪问题一大缺点——偏差问题会得到良好的改善。(2)基于纯角度目标跟踪的交互式多模型算法。在运用单一固定运动模型的纯角度跟踪算法对机动运动目标实行跟踪时,因为运动模型被先验设定,因此不能很好的对运动目标进行机动跟踪,所以它的跟踪效果一般不好,尤其是当前运动目标的机动能力日益增强,导致单一固定模型的跟踪算法难以及时准确的识别机动目标运动参数,因此造成了因为运动模型的不准确性而导致的跟踪算法的性能下降。在这种情况下采用机动目标跟踪的经典算法——IMM估计算法来实现对机动目标的跟踪。该算法具有服从马尔科夫链的模型转移概率矩阵,同时考虑多个运动模型之间的互相作用,以此来得到目标的状态估计。它是被认为是一种最有效的机动目标跟踪方法,同时兼顾了算法估计性能和计算量上的优势。多模块并行运算使得计算效率大大提高。将提出的新的纯角度跟踪算法——PL-MMSE应用于IMM估计算法来实现对机动目标进行跟踪。(3)一种新的相关量测噪声的状态估计算法。在前期数据处理时为了提高数据率,会通过滑窗来做时间积累的方式来达到增强信噪比的目的,由于是同一个噪声源,因此存在量测噪声自相关的问题,这会导致常规滤波器的性能退化甚至发散。因此提出了一种新的相关量测噪声的状态估计算法——量测相关-MMSE。新的MC-MMSE是在统一的MMSE框架下的全新推导,主要包括了量测转换、相关量测噪声协方差计算、以及求解新的状态估计和协方差矩阵估计这三个步骤,这保证了推导过程的理论完整性。其中MC-MMSE算法的初始化采用了三点初始化方法,前两点采用经典的两点差分初始化,第三点利用滤波步骤进行初始化。