现代战争的战场主体由地面发展到了空中,由于各种空袭武器的大规模研发,使得空中防御问题成为保障国家安全的一个重要问题。火控系统可以为空中防御提供作战支持,其能够搜索发现目标、识别敌我目标、确定预射击的目标等,并在最佳时刻控制武器发射弹头阻挠或直接命中预损毁目标。在这一过程中,跟踪预损毁目标的准确性直接影响着防御操作的有效性。由于目标机动性能日渐提高,且火控系统中的探测装置所提供的目标量测信息中含有大量干扰噪声,为了准确地预测目标的未来位置,需要滤除测量信息中的各类噪声,对目标未来坐标的预测可以转化为对现时状态的滤波,目标跟踪的精度将直接影响火控系统解算精度和弹头命中率。因此,本文主要研究火控系统中的目标跟踪算法,以粒子滤波为基础,通过改进的萤火虫算法来优化粒子滤波,解决不同跟踪背景下的目标跟踪问题,主要研究内容如下:1.针对粒子滤波重采样导致的粒子贫化以及需要大量粒子才能进行有效状态估计的问题,提出了萤火虫算法智能优化粒子滤波,该算法结合粒子滤波的运行机制,对萤火虫算法的寻优方式进行修正,避免了萤火虫算法和粒子滤波直接交互产生的高运算复杂度。引入了萤火虫群体的优胜劣汰机制以及萤火虫个体的吸引和移动行为,同时结合了最新的观测值,使粒子模拟萤火虫个体,智能地向高似然区域移动,提高了粒子的整体质量。2.针对交互式多模型粒子滤波算法需要较多的模型和粒子才能对机动目标进行准确跟踪的问题,提出了一种基于萤火虫优化粒子滤波的机动目标跟踪方法,将改进的萤火虫优化粒子滤波引入至交互式多模型算法中,通过智能寻优的方式提高交互式多模型算法的跟踪精度和稳定性。以相对较少的模型数和粒子数达到所需精度,提高了机动目标跟踪系统的跟踪性能。3.针对基于粒子滤波的检测前跟踪算法中存在的粒子权值退化和粒子贫化问题,提出了基于弹簧模型的萤火虫优化粒子滤波,以最优粒子指导其他粒子运动,引入弹簧的弹性机制,在最优粒子与任意粒子之间构建弹簧模型,解决了最优粒子周围的粒子聚集问题,使粒子分布更加合理,从而使改进算法对红外弱小目标具有更好的检测跟踪性能。4.针对基于粒子滤波的联合概率数据关联算法运算复杂度较高的问题,提出自适应萤火虫优化粒子滤波,通过自适应萤火虫算法来优化粒子滤波,用较少的迭代次数和粒子数达到所需的精度,并与联合概率数据关联算法相结合,在保证跟踪精度的同时减少算法的运算复杂度。5.针对序贯概率假设密度滤波算法的更新假设概率密度函数峰值提取较为困难的问题,提出新的更新假设概率密度函数峰值提取方法,选取与目标数目均等的粒子构成萤火虫个体,一个萤火虫即代表一个可行解,引入萤火虫的吸引和移动机制,以最优萤火虫指导其他萤火虫运动,并对最优萤火虫进行多组合变异操作,在整个解空间内搜索最优解,经过多次迭代获取稳定的多目标状态估计值。