机动目标跟踪技术在军事领域中的应用十分广泛,在众多专家学者的共同努力下,该技术的关键算法研究近年来取得了很大的进步,为实现精确打击和国土防空提供了理论支撑。但随着高新技术武器装备日新月异的发展,反跟踪技术的不断进步,尤其是临近空间高超声速飞行器这一新型战略武器概念的提出、实现和发展,让现有的防空反导体制受到了严重的挑战。首先,介绍了课题研究的背景与研究现状,重点介绍了机动目标跟踪自适应滤波算法和模型算法的研究现状,详细介绍了目前非线性目标跟踪中常用的EKF、UKF、CKF和QKF滤波算法以及交互式多模型算法。分析了不同环境下算法的优缺点,仿真比较了各算法的性能,并对仿真结果进行分析和总结。其次,引入性能更优的CQKF算法对临近空间高超声速飞行器进行跟踪。CQKF算法是CKF算法更广义的形式,不仅能克服QKF中的“维数灾难”问题,而且算法精度会随高斯-拉盖尔积分点阶数的增加而增加。在临近空间高超声速目标背景下的仿真结果表明,三阶CQKF算法的精度要高于CKF的精度,后依次为UKF和EKF。然后,针对CQKF算法在对临近空间高超声速飞行器进行跟踪时,会因为飞行器运动状态的突变而导致跟踪精度降低,甚至滤波发散,从而丢失跟踪目标这一问题,提出了一种自适应的ST-CQKF算法。在CQKF算法的协方差矩阵更新步骤中,借鉴强跟踪滤波(STF)的思想,引入减消因子在线修正预测误差协方差阵,迫使残差正交,提高了算法的稳定性和鲁棒性,增强了算法对于系统发生状态突变时的适应能力。仿真结果显示,ST-CQKF算法的适应性更强,稳定性更高。最后,针对强跟踪滤波器在对CQKF进行修正时,因输出向量在数值上存在较大差异而导致滤波器残差中信息的不对称,从而影响算法的运算效率,降低算法的稳定性和精度这一问题,提出一种基于残差归一化的RNST-CQKF算法。在强跟踪算法的渐消因子计算中对滤波残差进行归一化处理,平衡算法对于残差中不同数量级的信息的敏感程度,从而提高算法的稳定性和精度。仿真结果显示,RNST-CQKF算法在有效提高跟踪的精度的同时,减少了算法的运算时间,节省了更多的运算资源。